1.时间复杂度
衡量的是程序运行的快慢
通常使用 大O渐进表示法 来计算时间复杂度
示例:
void func1(int N){
int count = 0;
for (int i = 0; i < N ; i++) {
for (int j = 0; j < N ; j++) {
count++;
}
}
for (int k = 0; k < 2 * N ; k++) {
count++;
}
int M = 10;
while ((M--) > 0) {
count++;
}
System.out.println(count);
在 大O符号表示法 中,时间复杂度的公式是: T(n) = O( f(n) ),其中f(n) 表示每行代码执行次数之和。
推导大O阶方法:
1、用常数1取代运行时间中的所有加法常数。
2、在修改后的运行次数函数中,只保留最高阶项。
3、如果最高阶项存在且不是1,则去除与这个项目相乘的常数。得到的结果就是大O阶
故:
F(N) = N^2+2*N+10
使用大O的渐进表示法以后,Func1的时间复杂度为:
O(N^2)
越往下时间复杂度越高
2.空间复杂度
衡量的是程序占用内存/外存的大小
和时间复杂度类似,一个算法的空间复杂度,也常用大 O 渐进表示法。
注:
计算空间复杂度的时候
- 计算的是额外的空间
- 方法调用也是占用空间的
- 空间是可以重复利用的
示例:
void bubbleSort(int[] array) {
for (int end = array.length; end > 0; end--) {
boolean sorted = true;
for (int i = 1; i < end; i++) {
if (array[i - 1] > array[i]) {
Swap(array, i - 1, i);
sorted = false;
}
}
if (sorted == true) {
break;
}
}
}
该方法使用了常数个额外空间,所以空间复杂度为 O(1)。