时间复杂度
时间复杂度是运行一个程序所花费的时间O()
时间复杂度表示方法
大O表示法。如O(1),O(n),O(nlogn),O(n^2),O(n+1),O(logn),O(n!)
常见的时间复杂度分析
常数:O(1) 1表示是常数,所有能确定的数字我们都用O(1),O(1000)=>o(1)
对数:O(logn),O(nlogn)
线性:O(n)
线性对数:O(nlogn)
平方:O(n^2)
N次方:O(n^n)
我们该如何计算时间复杂度
1.找到有循环的地方
2.找有网络请求(RPC,远程调用,分布式,数据库请求)的地方。测试时间:log打印,计算平均时间。
示例
1、O(1)
int a = 1;
for (int i = 0; i < 3; i++) { // 运行4次
a = a + 1;
}
如上代码,我们可知for循环会循环4次,所有能确定的数字我们都有O(1),所以时间复杂度为O(1)
2、O(logn)
int i = 1;
for (int j = 0; j < n; j++) { // n未知
while (i <= n) {
i = i * 2;
}
}
如上代码可知,i的值为2,4,8,16,32 => 20,21,22,23,24…2x(x为运行次数)
所以我们可得2^x = n 求得=>x=log2n 计算机忽略常数 => x=logn,因此时间复杂度为O(logn)
我们同理可得二分查找法的时间复杂度也为O(logn)
3、O(n)
for (int i = 0; i < n; i++) { // n未知
a = a + 1;
}
如上代码可知,n未知,因此可得时间复杂度为O(n)
4、O(n^2)
for (int i = 0; i < n; i++) {
for (int j = i; j < n; j++) {
a = a + 1;
}
}
如上代码可知,循环分析i=0时,运行n次,
i=1时,运行n-1次
i=2时,运行n-2次
…
i=n时,运行1次
所以里面一共运行(n+1)*n/2次,忽略常数后,因此时间复杂度为O(n^2)
总结
时间复杂度由小到大排序:
O(1)>O(logn)>O(n)>O(nlogn)>O(n2)>O(nx)
O(1)>O(logn)>O(n)>O(nlogn) 效果都是很好的。几乎优化的空间不是很大。
优化的目标就是要往O(1)的方向接近。