如何评价代码好坏

概念

1. 数据结构
   数据结构是指一组数据的存储结构
2. 算法
   操作数据的方法

复杂度分析

大O复杂度表示法

复杂度分析原则

1.最大循环原则
  在一个复杂度表达式中，低阶/常量/系数并不左右其增长趋势，故只需记录最大的一个量，例：T(n) = O(3n²+n+2)中，系数3低阶n和常量2可以省略不计，该表达式最终记为T(n) = O(n²)
 
2. 加法原则
  同样遵循最大循环原则只记录最大的一个量，例：T(n) = O(n²)+O(n)中，低阶n可以省略不计，该表达式最终记为T(n) = O(n²)
 
3. 乘法原则
  嵌套代码的复杂度等于内外层复杂度乘积，例：T(n) = O(n)*O(n)，该表达式最终记为T(n) = O(n²)

时间复杂度

常见复杂度

  假设每行代码执行时间相同，粗略计算得出，例：

1.O(n)

public void run(int n){
  int sum = 0;
  for(int i = 1;i<n;i++){
    sum++;
  }
}

执行时间会随着数据规模n的增大而增大

2.O(1) 常量级复杂度

public void run(int n){
  int sum = 0;
  for(int i = 1;i<100;i++){
    sum++;
  }
}

执行时间并不会随着数据规模n的增大而增大

3.O(n²)

public void run(int n){
  int sum = 0;
  for(int i = 1;i<n;i++){
    for(int i = 1;i<n;i++){
      sum++;
    }
  }
}

4.O(log n)

public void run(int n){
  int sum = 0;
  int i = 1
  while(i<n){
    i = i * 2;
  }
}

循环第一次 2¹，第二次 2²，第三次2³,当 i = n的时候停止循环，故循环次数为log₂n
5.O(n log n)

public void run(int n){
  int sum = 0;
  int i = 1
  for(int j = 1;j<n;j++){
    while(i<n){
      i = i * 2;
    }
  }
}

复杂度曲线

可以看到日常我们经常使用的多层循环一旦遇到大数据量，就会产生严重的后果！

空间复杂度

public void run(int n){
  //复杂度为O(1)，因为无论数据量多大，都只开辟了一个空间
  int sum = 0;
  for(int i = 1;i<n;i++){
    sum++;
  }
  //复杂度为O(n)
  int[] sum = new int[n];
  for(int i = 1;i<n;i++){
    sum[i] = 1;//注意与赋值没有关系
  }
}

最好复杂度/最坏复杂度/平均复杂度

先看一段代码

public void run(){
  List list = new ArrayList<String>();
  list.add(1);
  list.add(2);
  list.add(3);
  list.add(4);
  list.add(5);
  int result = -1;
  for(int i = 0;i<list.size();i++){
    if(3==list.get(i)){
      result = list.get(i);
    }
  }
}

可以得出，该段代码时间复杂度为T(n) = O(n)，接下来对代码进行优化，在找到要找的数字之后break，优化后的代码

public void run(){
  List list = new ArrayList<String>();
  list.add(1);
  list.add(2);
  list.add(3);
  list.add(4);
  list.add(5);
  int result = -1;
  for(int i = 0;i<list.size();i++){
    if(3==list.get(i)){
      result = list.get(i);
      break;
    }
  }
}

该代码最好的情况一次就找到并返回，最好复杂度为O(1)
该代码最坏的情况最后一次才找到，最坏复杂度为O(n+1)，也就是O(n)
但一般情况下我们会使用平均复杂度去衡量，公式为：所有情况循环次数/所有情(包括要找的数不在集合中的情况)，$$T(n)=\frac{1+2+3+...+n+n}{1+n}=\frac{n^2+3n}{2(1+n)}$$
但这种算法没有加上概率(因为在集合中和不在集合中概率相同)，公式改为$$T(n)=\frac{n}{2}+\frac{1+2+3+...+n}{2n}=\frac{3n+1}{4}$$可以看到这段代码的复杂度依旧为O(n)