前言
算法题写完以后,面试官经常会追问一下你这个算法的时空复杂度是多少?(好像作为一名算法工程师,我日常码代码的过程中,并没有太注意这个,惭愧~但是找做后端开发的男票求证了一下,他们日常工作确实会去考虑这种问题)那么无论是为了应付面试,还是为了未来码代码可以精益求精,都还是认真的学一下时空复杂度分析方法吧!
由于不是科班出身,这东西理解了好长时间
对于为什么需要时空复杂度分析,而不是直接跑一下代码看看
测试结果依赖测试环境:机器的配置会十分影响你跑出的结果;
2.测试结果依赖数据规模的大小。
因此,我们需要一个不依赖数据规模和测试环境,帮助粗略估计算法执行效率的方法!也就是下面的大O表示法~
大O表示法
举个栗子🌰,下面这个函数的总的执行时间**T(n)=1+2n
**个unit time!
public int f(int n) {
int a = 0; // 1个unit time
for (int i = 0; i < n; i++) { // n个unit time
a += i; // n个unit time
}
return a;
}
再举个栗子🌰,下面这个函数的总的执行时间T(n)=1+n+2n²个unit time!
public int g(int n, int m) {
int a = 0; // 1个unit time
for (int i = 0; i < n; i++) { // n个unit time
for (int j = 0; j < n; j++) { // n^2个unit time
a += i * j; // n^2个unit time
}
}
return a;
}
用一个公式表示就是:
T(n) = O(f(n))
其中:
- T(n) 表示代码执行的时间;
- n:表示数据规模的大小;
- f(n):表示每行代码执行的次数总和
O:表示执行时间T(n)与f(n)成正比。
所以第一个例子的时间复杂度为T(n) = 1+2n,第二个例子的时间复杂度为T(n)=1+n+2n²,这就是大O时间复杂度表示法。大O时间复杂度表示法实际上并不是具体值代码执行的时间,而是代表代码执行时间随着数据规模增长的变化趋势
,所以也叫渐进时间复杂度,简称时间复杂度。
当n很大时,公式中的低阶、常量、系数三部分并不左右增长趋势,所以都可以忽略,只需要记录一个最大量级即可!因此,上例的时间复杂度可以记为:T(n) = O(n)、T(n) = O(n²)。
3个时间复杂度分析原则
1. 只关注循环执行次数最多的一段代码:
还是上面第一个例子,关注for循环这段代码就行了,a = 0这类代码都是常量级的执行时间,与n无关。
public int f(int n) {
int a = 0; // 1个unit time
for (int i = 0; i < n; i++) { // n个unit time
a += i; // n个unit time
}
return a;
}
2. 总复杂度 = 量级最大的那段代码的复杂度:
这个有点像运筹学里关键路径法的思想,只有找到了最关键/量级最大的,你去优化的时候才能发力在刀刃上~
比如下面这段代码,有一层for循环的,有两层for循环,我们去关注两层for循环的这段代码即可。
public int g(int n, int m) {
for (int i = 0; i < n; i++) {
// pass
}
int a = 0; // 1个unit time
for (int i = 0; i < n; i++) { // n个unit time
for (int j = 0; j < n; j++) { // n^2个unit time
a += i * j; // n^2个unit time
}
}
return a;
}
3. 嵌套代码的复杂度 = 嵌套内外代码复杂度的乘积:
上面的第二个例子,两层for循环嵌套,最后的时间复杂度 = 外层for循环的复杂度乘以里面for循环的复杂度。
public int g(int n, int m) {
int a = 0; // 1个unit time
for (int i = 0; i < n; i++) { // n个unit time
for (int j = 0; j < n; j++) { // n^2个unit time
a += i * j; // n^2个unit time
}
}
return a;
}
常见的时间复杂度量级
- 多项式量级:下图左侧;
- **非多项式量级:**下图右侧波浪线。执行时间会随着数据规模的增大而急剧增大,是非常低效的算法!
![](https://i-blog.csdnimg.cn/blog_migrate/bd80a9a4a558177a335a809610e9edee.png)
![](https://i-blog.csdnimg.cn/blog_migrate/f01b3462b30368bd86c228b74a1999e9.png)
空间复杂度
又称为渐进空间复杂度,表示算法的存储空间与数据规模之间的增长关系!
举个栗子🌰,空间复杂度为O(n)
public int[] f(int n) {
int a = 2; // 1个空间存储变量,常量
int[] b = new int[n]; // 从下面代码可以看出时一个大小为n的数组
for (int i = 0; i < n; i++) {
b[i] = i;
}
return b;
}