数据结构与算法——最好、最坏、平均、均摊时间复杂度

本文链接：https://blog.csdn.net/weixin_40662072/article/details/114548932

大家好，今天想为大家分享的是最好时间复杂度、最坏时间复杂度、平均时间复杂度以及均摊时间复杂度

首先给这几个概念下一个定义

最好情况时间复杂度：在最理想的情况下，执行这段代码的时间复杂度

最坏情况时间复杂度：在最糟糕的情况下，执行这段代码的时间复杂度

平均时间复杂度：又称之为“加权平均时间复杂度”，“期望时间复杂度”，因为，通常计算平均时间复杂度，需要将概率考虑进去，也就是，在计算平均时间复杂度的时候，需要一个“加权值”，来真正的计算平均时间复杂度

均摊时间复杂度： 均摊时间复杂度分析，又叫摊还分析（或者叫平摊分析）

没关系，不懂没事，等看完我这篇文章，结合文章中的例子大家慢慢就会懂了。

首先给大家看一段代码

// n 为数组的长度
int find(int[] array, int n ,  int x) {
  int pos = -1;
  for (int i = 0 ; i < n ; ++i) {
    if (array[i] == x) 
    pos = i;
  }
  return pos;
}

这段方法是寻找数组中含x的数组下标，如果找到了就将数组下标i的值赋值给pos，否则i就为-1

那么我们很快就能得知这个算法的时间复杂度为O(n)

因为不管这个x在哪个位置出现，这个循环肯定都会从零循环到n，所以这个算法的最好、最坏时间复杂度都为O(n)

是不是觉得这个算法没什么意义？那咱来看下一个算法：

大家仔细看一下这段代码和上面那一段有什么区别呢？

// n 为数组的长度
int find(int[] array, int n ,  int x) {
  int pos = -1;
  for (int i = 0 ; i < n ; ++i) {
    if (array[i] == x) 
    pos = i;
    break;
  }
  return pos;
}

通过仔细观察可以发现，第一段代码无论如何都要执行n遍，但是第二段代码就不一样了，当寻找到数组内值为x的下标时就跳出循环，那么我们在这可以分析一下他的最好、最坏时间复杂度。

最好情况那当然是，数组内的第一个元素就为x，那么此时的时间复杂度就为O(1)

最坏的情况的话就是整个数组都循环完了还没有找到，此时的时间复杂度就为O(n)

这样就总结出了其最好和最坏的时间复杂度，是不是有些概念了呢？

接下来讲的就是平均时间复杂度

首先我们要明确一个概念，最好和最坏时间复杂度，往往都是在最极端的情况下发生的，一般都不具有代表性，【但我们一般用最坏时间复杂度来判断一个算法的好坏】

单一的研究最好时间复杂度没有意义，因为极端好的情况不能作为判断的标准；

但单一研究最坏时间复杂度也没有意义，因为其可能性可能与最好时间复杂度一样，基本不会出现。

所以此时就需要引入一个新的概念，平均时间复杂度

那么什么是平均时间复杂度呢？上文中有提到：

又称之为“加权平均时间复杂度”，“期望时间复杂度”，因为，通常计算平均时间复杂度，需要将概率考虑进去，也就是，在计算平均时间复杂度的时候，需要一个“加权值”，来真正的计算平均时间复杂度，我们还是用第二个算法来进行说明阐释：

对于寻找x的值我们有两种可能性