大O表示两种,一种是时间复杂度,一种是空间复杂度
计算斐波那契数列
斐波那契数列指的是这样一个数列:
1、1、2、3、5、8、13、21、34
这个数列从第3项开始,每一项都等于前两项之和。
第一个例子
public static void main(String[] args) {
System.out.println(method1(40));
}
public static int method1(int n) {
int a = 1;
int b = 1;
int c = 1;
for (int i = 3; i <= n; i++) {
c = a + b; //c=1+1;c=1+2;
a = b; //a=1;a=2;
b = c; //b=2;b=3;
}
return c;
}
第一次循环,下标 i=3, 得出的 c=2;
第二次循环,下标 i=4, 得出的 c=3;
输出结果
这个时候时间复杂度为O(N) ,空间复杂度O(1)
原因
这个例子数据量扩大n倍时,时间复杂度消耗同样也是n倍,所以时间复杂度为O(N)。
只要是常数,空间复杂度估算为O(1),常数是可以忽略的,所以空间复杂度为O(1)。
第二个例子(递归)
public static void main(String[] args) {
System.out.println(method2(40));
}
public static int method2(int n) {
if (n == 1 || n == 2) {
return 1;
}
return method2(n - 1) + method2(n - 2);
}
输出结果
虽然结果相同,但是如果传入n稍微大一点,程序就需要执行很长时间。
比如将n改为60,控制台就需要很长时间才打印出结果。
原因
第二个例子数据量扩大n倍时,时间复杂度消耗是2的n次方,所以时间复杂度为O(2^N)。
由于同样是常数,所以空间复杂度为O(1)。
总结
复杂度研究的其实是数据量扩大n倍时,时间、空间消耗扩大多少倍的问题。