前言:
算法(Algorithm)是指用来操作数据、解决程序问题的一组方法。对于同一个问题,使用不同的算法,也许最终得到的结果是一样的,但在过程中消耗的资源和时间却会有很大的区别。
1、为什么要学习复杂度?
- 我们需要用复杂度去衡量不同算法之间的优劣。
- 写出复杂度较低的程序是每个IT人的基本职业素养。
- 程序的复杂度的降低可以使企业资源得到高效利用,从而降低成本。
2、如何衡量算法之间的优劣?
衡量算法之间的优劣,主要是从算法所占用的「时间」和「空间」两个维度去考量。
- 时间维度:是指执行当前算法所消耗的时间,我们通常用「时间复杂度」来描述。
- 空间维度:是指执行当前算法需要占用多少内存空间,我们通常用「空间复杂度」来描述。
评价一个算法的效率主要是看它的时间复杂度和空间复杂度情况。但是,有时候时间和空间却又是鱼和熊掌,不可兼得的,那么我们就需要从中去取一个平衡点。
3、如何在面试中写出好的程序?
- 和面试官确认好题目要求
- 想出所有能想到的解决办法
- 找到时间复杂度最低的程序作为答案
一、时间复杂度
一个算法执行所耗费的时间,从理论上是不能算出来的,必须上机运行测试才能知道。但我们不可能也没有必要对每个算法都上机测试,只需知道哪个算法花费的时间多,哪个算法花费的时间少就可以了。并且一个算法花费的时间与算法中语句的执行次数成正比例,哪个算法中语句执行次数多,它花费时间就多。一个算法中的语句执行次数称为语句频度或「时间频度」。记为T(n)。
时间频度T(n)中,n称为问题的规模,当n不断变化时,时间频度T(n)也会不断变化。但有时我们想知道它变化时呈现什么规律,为此我们引入时间复杂度的概念。算法的时间复杂度也就是算法的时间度量,记作:T(n) = O(f(n))。它表示随问题规模n的增大,算法执行时间的增长率和f(n)的增长率相同,称作算法的渐进时间复杂度,简称「时间复杂度」。
这种表示方法我们称为「 大O符号表示法 」,又称为渐进符号,是用于描述函数渐进行为的数学符号
1、常用的时间复杂度
(1)常数复杂度 O ( 1 ) O(1) O(1)
表示该算法的执行时间(或执行时占用空间)总是为一个常量,不论输入的数据集是大是小,只要是没有循环等复杂结构,那这个代码的时间复杂度就都是O(1)。比如顺序结构:
int i = 1;
int j = 2;
int sum = i+j;
System.out.println(sum);
上述代码在执行的时候,它消耗的时候并不随着某个变量的增长而增长,那么无论这类代码有多长,即使有几万几十万行,都可以用 O ( 1 ) O(1) O(1)来表示它的时间复杂度。
(2)对数复杂度 O ( l o g N ) O(logN) O(logN)
算法中log级别的时间复杂度都是由于使用了分治思想,这个底数直接由分治的复杂度决定。如果采用二分法,那么就会以2为底数,三分法就会以3为底数,其他亦然。
若算法的 T(n) = O(log N),则称其具有**「对数时间」**。由于计算机使用二进制的记数系统,对数常常以10为底(即 l o g 10 ( N ) log10(N) log10(N),有时写作 l g ( N ) lg(N) lg(N))。然而,由对数的换底公式, l o g a ( N ) log a(N) loga(N)和 l o g b ( N ) logb (N) logb(N)只有一个常数因子不同,这个因子在大O记法中被丢弃,因此不论对数的底是多少,都是「对数时间复杂度」,记作 O ( l o g N ) O(logN) O(logN))。比如:
int i = 1;
while(i<n){
i *= 2;
}
在while循环里面,每次都将 i 乘以 2,乘完之后,i 距离 n 就越来越近了,直到i不小于n退出。我们试着求解一下,假设循环次数为x,也就是说 2 的 x 次方等于 n,则由2^x=n得出x=log₂n。因此这个代码的时间复杂度为 O ( l o g n ) O(logn) O(logn)
常见的logn算法:
- 对分查找
- 欧几里得查找
- 幂运算
(3)线性复杂度 O ( n ) O(n) O(n)
表示一个算法的性能会随着输入数据的大小变化而线性变化。