数据结构与算法二最好、最坏、平均、均摊时间复杂度

前言

知识让生活更具能量。希望我们在以后学习的路上携手同行。您的点赞、评论和打赏都是对我最大的鼓励。一个人能走多远要看与谁同行，希望能与优秀的您结交。

我们在上一章， 主要是介绍了一下时间复杂度的分析，接下来接着跟大家聊一下时间复杂度的知识点。

最好、最坏情况时间复杂度

我们可以尝试分析下面的代码

//n表示数据array的长度
int find(int[] array,int n, int x){
	int i = 0;
	int pos = i;
	for(; i<n ; ++i){
		if(array[i] = x){
			pos = i;
		}	
	}
	return pos;
}

这段代码的功能是：在一个无序是的数组中找出x所在的位置。如果没有找到，就返回-1。
我们可以用让一章的内容分析出，这段代码阶位最高的为for循环中的代码，代码复杂度为O(n)。

大家可以看出，这段代码的效率不是很高，我们是可以对代码的效率进行优化的。如果我们中途找到这x的值就可以直接退出for循环。

int find(int[] array,int n, int x){
	int i = 0;
	int pos = i;
	for(; i<n ; ++i){
		if(array[i] = x){
			pos = i;
			break;
		}	
	}
	return pos;
}

这个时侯，我们就不可以用O(n)表示这段代码的时间复杂度了。

因为，要查找的变量x可能出现在数组的任意位置。如果数据中的第一个元素正好是要查找的变量x，那就不需要继续遍历剩下的n-1个数据了，那时间复杂度为O(1), 如果x所在的位置为最后一个元素，那么这段代码的时间复杂度为O(n)。
这个时间我们要引入新的概念最好时间复杂度，最坏时间复杂度。上面第一种情况就对应我们最好时间复杂度，第二情况就对我们最坏时间复杂度。

平均时间复杂度

因为出现最好时间复杂度和最坏时间复杂度的情况不是很大， 我们引入了一个新的概念，平时时间复杂度。

我们就来分析一下刚才的例子，要查找的变量x在数组中的位置，有n+1种情况：在数组的0~n-1位置中和不在数组中。我们把每种情况下，需要遍历的元素个数累加起来，然后在除以n+1，
就可以得到需要遍历的元素个数的平均值：$\frac{1+2+....+n+n}{n+1}=\frac{n(n+3)}{2(n+1)}$

时间复杂度的大O表示法中，可以省略掉系数、低阶、常量。把公式简化之后得到平均时间复杂度为O(n)。这并不是最终的答案，我们还要将概率加入到中才可以得到最终的结果。

我们假设x在数组中与不在数组中的概率都是1/2。另外，要查找的数据出现在0~n-1这n个位置的概率也是一样的，为1/n。根据概念乘法法则，x数据出现在``0~n-1的任意位置的概率为1/(2n)。
我们将概率加到上面的公式中，那平均时间复杂度为
这个值就是概率论中的加权平均值，也叫作期望值。
引入概率之后，前面那段代码的加权平均值为(3n+1)/4。用大O表示法来表示，去掉系数和常量，最终结果为O(n)。

均推时间复杂度

我们先看一下代码

int[] array = new int[n]
int count =0 ;
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;
}

这段代码的实现了一个往数据中插入数据的功能。当数组满了之后，也就是代码中的count==array.length()时，我们用for循环遍历数组求和，并清空数组，将求和之后的sum值放到数组中的第一个位置，然后再将新的数据插入。但如果数组一开始就有空闲空间，则直接将数据插入数组。

我们先使用上面的三种复杂度分析法分析这段代码：
最好的情况下，数组中有空闲空间，我们只需要将数据添加到数据即可，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？（重点）
假设数组的长度是n，根据数据插入的位置不同，我们可以分为n种情况 ，每种情况的时间复杂度都为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，这个时间复杂度为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为 $1\ast \frac{1}{n+1}+1\ast \frac{1}{n+1}+.....+n\ast \frac{1}{n+1}=O(1)$。

我们通过对比前面两个例子find() 和insert()。会发现他们两个不同点。
首先，find()方法只有在特殊的情况下复杂度才为O(1)。但insert()方法在大部分情况下，时间复杂度都为O(1)。只有在特殊的情况下，复杂度才为O(n)。
第二个不同点，对于insert()方法，时间复杂度O(1)和时间复杂度O(n)是规律出现的。一般一个O(n)之后就跟着n-1个O(1)操作。
针对这种情况，我们可以使用均推分析法，看下面的分析：
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推到接下来的n-1次耗时少的操作上，均推下来， 这一组连续操作的均摊时间复杂度就是O(1)。

规律： 对一个数据结构进行一组连续操作中，大部份情况下时间复杂度都很低，只有个别情况下时间复杂度比较高，而且这些操作之间存在前后连贯的时序关系 ，这个时间，我们就可以将这一组操作放在一块儿分析，看是否能将较高时间复杂度那次操作的耗时，平摊到其他那些时间复杂度比较低的操作上

总结：
在这两篇文章中，我们主要学习了时间复杂度的几种分析方法。 大O时间复杂度分析法中平均，均摊分析最难，但是也最不常用。 多多练习练习分析分析，应该就会了。