1、复杂度分析

01、| 复杂度分析

1.1 事后统计法

• 我们把代码跑一遍，通过统计、监控，就能得到算法的执行的时间和占用的内存大小——事后统计法。

• 局限性：

  • 测试结果非常依赖测试环境
  • 测试结果受数据规模影响很大

  因此引入大O时间复杂度表示法

1.2 大O时间复杂度表示法

• 表示代码执行时间随数据规模增长的趋势，也叫做渐进时间复杂度，简称时间复杂度。

• 时间复杂度分析

  • 只关注执行循环次数最多的一段代码（忽略掉公式中的常量、低阶、系数）
  • 加法法则：总复杂度等于最大的那段代码的复杂度如果T1(n) = O(f(n)),T2(n) = O(g(n));那么T(n) = T1(n) + T2(n) = max (O（f(n))，O(g(n))）
  • 乘法法则：嵌套代码的复杂度等于嵌套内外代码复杂度的乘积如果有T1(n) = O(f(n)),T2(n) = O(g(n));那么T(n) = T1(n) * T2(n) = O(f(n)) * O(g(n)) = O(f(n) * g(n))

• 几种常见的时间复杂度分析

  • 非多项式量级，NP (Non-Deterministic Polynomial,非确定多项式)——当数据规模n越来越大时，非多项式量级算法的执行时间会急剧增加，求解问题的执行时间会无限增长。低效！

    • 指数阶 O(2^n)
    • 阶乘阶O(n!)

  • 多项式量级

    • 常量阶O(1)
    • 对数阶O(log n)

    i = 1;
    while(i <= n){
        i *=2;
    }
    

    • 线性阶O(n)
    • 线性对数阶O(n * log n)
    • 平方阶O(n^2)、立方阶O(n^3)……k次方阶O(n^k)

• 常用的时间复杂度从小到大

1.3空间复杂度

同时间复杂度

1.4 最好、最坏、平均、均摊时间复杂度

• 最好情况时间复杂度就是，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就是，在最糟糕的情况下，执行这段代码的时间复杂度

• 平均情况时间复杂度——加权平均时间复杂度或者期望时间复杂度。

• 均摊时间复杂度

  • 摊还分析

  
   // array表示一个长度为n的数组
   // 代码中的array.length就等于n
   int[] array = new int[n];
   int count = 0;
   
   void insert(int val) {
      if (count == array.length) {
         int sum = 0;
         for (int i = 0; i < array.length; ++i) {
            sum = sum + array[i];
         }
         array[0] = sum;
         count = 1;
      }
  
      array[count] = val;
      ++count;
   }
  

  分析：代码实现了往数组中插入数据的功能，当数组满了之后，遍历求和，并将和放到数组第一个位置，然后继续插入数据。

  ​ 对于insert()函数来说，O(1)时间复杂度的插入和O(n)时间复杂度的插入，出现的频率有一定规律。每一次O(n)的插入操作，都会跟着 n - 1次O(1)的插入操作，所以把耗时多的那次操作均摊到接下来的 n-1 次耗时少的操作上，均摊下来，这一组连续的操作的均摊时间复杂度就是 O(1)。

  ​ 均摊时间复杂度就是一种特殊的平均时间复杂度！

1.5 练习

    public static void main(String[] args) {
        /*
        * 最好时间复杂度为O(1)
        * 最坏时间复杂度为O(n)
        * 平均时间复杂度为O(1)
        * */
    }
    //全局变量，大小为10的数组array，长度len，下标i
    int[] array = new int[10];
    int len = 10;
    int i = 0;

    //往数组中添加一个元素
    void add(int element){
        if ( i >= len){// 数组空间不够了  重新申请一个2倍大小的数组空间
            int[] new_array = new int[len * 2];
            for (int i1 = 0; i1 < len; ++i1) {
                new_array[i1] = array[i];
            }
            // new_array复制给array，array现在大小就是2倍len了
            array = new_array;
            len = 2 * len;
        }
        array[i] = element;
        ++i;
    }

       array = new_array;
        len = 2 * len;
    }
    array[i] = element;
    ++i;
}

			**——学习王争老师数据结构与算法之美课后总结**