数据结构与算法【复杂度分析】

复杂度分析：

算法复杂度的分析 目的就是为了 表示 算法的性能

在处理同一个问题的时候可以有不一样的算法进行处理 那处理的时间是否相同呢？

算法复杂度通常是看 最差的情况 。因为并不能每次都是最优条件下执行成功。

算法执行的时间 我们是看运算数据的规模 通常是用 n 来表示

​

常见算法复杂度：

​

注意： 看算法的复杂度 不是简单的 数循环个数

测试查找算法的性能：

新创建类 ArrayGenerator ==> 也采用静态方法

package src;
/**
 * @author xxz
 * @version 1.0
 * @Created on: 2024-01-14 22:21
 * @Description: 数组生成器类模拟大量数据
 */

public class ArrayGenerator {
    private ArrayGenerator() {
    }
    //  generateOrderedArray 方法名为这个 目的是数组中元素是顺序的
    public static Integer[] generateOrderedArray(int n) {
        Integer[] arr = new Integer[n];
        for (int i = 0; i < n; i++)
            arr[i] = i;
        return arr;
    }
    // 然后去 LinearSearch 内函数中使用这个 generateOrderedArray
}

package src;

public class LinearSearch {
    private LinearSearch(){}
 //   这里采用  泛型方法 
    public  static<T> int search(T [] data, T target ){
        for (int i = 0; i < data.length; i++) {
            if(data[i].equals(target))
                return i;
        }
        return  -1;
    }
   // 测试 线性查找算法的性能
   public static void main(String[] args){
            // 为了避免 100000 重复 这里定义一下 n = 1000000
            int n = 1000000;
            Integer [] data =   ArrayGenerator.generateOrderedArray(n);

           //  记录用时   java中定义的方法为  nanoTime() 返回一个时间戳
           long startTime = System.nanoTime();  // 开始的时间
           LinearSearch.search(data,n);  // 调用算法进行查找
           long endTime = System.nanoTime();  // 结束的时间

         // 两者相减的单位是纳秒  要转化为 秒  1千纳秒是1微秒   1千微秒是1毫秒   1千毫秒是1秒  加 .0 为的是要结果为浮点数
          double spendTime  = (endTime - startTime) / 1000000000.0;
          System.out.println(spendTime + " 秒");
    }