2.复杂度分析进阶

平均情况复杂度

在数组查询的案例中，最好情况时间复杂度是 O(1)，最坏情况时间复杂度是 O(n)。但其实最好与最坏情况是极端情况，更多的时候是不在数组两端的中间某位置。所以为了更准确的表示平均情况下的时间复杂度，引入另一个改变：平均情况时间复杂度。

 int cal(int n) {
   int sum = 0;
   int i = 1;
   for (; i <= n; ++i) {
     sum = sum + i;
   }
   return sum;
 }

在数组遍历某元素的过程中，有 n+1 中情况（在数组中的n种情况和不在数组的情况）。该元素在数组中可能存放在任意位置，即1,2,3,…,n。所以：

平均复杂度的公式 = (1+2+3+…+n) / (n+1)

因为 (1+2+3+…+n) = n * (n + 1) / 2，所以平均复杂度公式化简后为：

平均复杂度的公式 = n * (n + 3) / 2 * (n + 1)

这个公式简化之后，得到的平均时间复杂度就是 O(n)

平均时间复杂度

上面的结论虽然是正确，但是计算过程有一个问题，那就是没有考虑到概率问题。
我们刚讲的这 n+1 种情况，出现的概率并不是一样的。首先，要查找变量 x，要么在数组里，要么就不在数组里。在数组中与不在数组中的概率都为 1/2。另外，要查找的数据出现在 0～n-1 这 n 个下标的概率也是一样的，为 1/n。所以，根据概率乘法法则，变量 x 出现在 0～n-1 中任意位置的概率就是 1/(2n)。因此，在前面的推导过程中把每种情况发生的概率也考虑进去，那平均时间复杂度的计算公式就变成了这样：

1*(1/2n) + 2*(1/2n) + 3*(1/2n) + … + n*(1/2n) + n/2 = (3n + 1) / 4

用大 O 表示法来表示，去掉系数和常量，这段代码的加权平均时间复杂度仍然是 O(n)。

均摊时间复杂度

下面讲一个更加高级的概念——均摊时间复杂度。以及它对应的分析方法——摊还分析（或者叫平摊分析）。

/**
 * 代码实现了往数组中不断插入数据。当数组满了，就将所有元素之和赋值给首位。如此周而复始。
 **/
 // array表示一个长度为n的数组
 // 代码中的array.length就等于n
 int[] array = new int[n];
 int count = 0;
 
 // 会有程序不断调用 insert() 方法
 void insert(int val) {
    if (count == array.length) {
       int sum = 0;
       for (int i = 0; i < array.length; ++i) {
          sum = sum + array[i];
       }
       array[0] = sum;
       count = 1;
    }

    array[count] = val;
    ++count;
 }

最理想的情况下，数组中有空闲空间，我们只需要将数据插入到数组下标为 count 的位置就可以了，所以最好情况时间复杂度为 O(1)。最坏的情况下，数组中没有空闲空间了，我们需要先做一次数组的遍历求和，然后再将数据插入，所以最坏情况时间复杂度为 O(n)。那平均时间复杂度是多少呢？
假设数组的长度是 n，根据数据插入的位置的不同，我们可以分为 n 种情况，每种情况的时间复杂度是 O(1)。除此之外，还有一种“额外”的情况，就是在数组没有空闲空间时插入一个数据，这个时候的时间复杂度是 O(n)。而且，这 n+1 种情况发生的概率一样，都是 1/(n+1)。所以，根据加权平均的计算方法，我们求得的平均时间复杂度就是：

插入操作和遍历操作的区别

首先，遍历操作在极端情况下，复杂度才为 O(1)。但插入操作在大部分情况下，时间复杂度都为 O(1)。只有个别情况下，复杂度才比较高，为 O(n)。这是插入操作第一个区别于遍历操作的地方。

第二，对于插入操作来说，O(1) 时间复杂度的插入和 O(n) 时间复杂度的插入，出现的频率是非常有规律的，而且有一定的前后时序关系，一般都是一个 O(n) 插入之后，紧跟着 n-1 个 O(1) 的插入操作，循环往复。

所以，针对这样一种特殊场景的复杂度分析，我们并不需要像之前讲平均复杂度分析方法那样，找出所有的输入情况及相应的发生概率，然后再计算加权平均值。

针对这种特殊的场景，我们引入了一种更加简单的分析方法：摊还分析法。通过摊还分析得到的时间复杂度我们起了一个名字——均摊时间复杂度。

那究竟如何使用摊还分析法来分析算法的均摊时间复杂度呢？
我们还是继续看在数组中插入数据的这个例子。每一次 O(n) 的插入操作，都会跟着 n-1 次 O(1) 的插入操作，所以把耗时多的那次操作均摊到接下来的 n-1 次耗时少的操作上，均摊下来，这一组连续的操作的均摊时间复杂度就是 O(1)。这就是均摊分析的大致思路。