复杂度是用来衡量算法的效率的,复杂度越低,效率越高。
时间复杂度:
算法中的基本操作的执行次数,为算法的时间复杂度。
1、 请计算一下func1基本操作执行了多少次?
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);
}
F(N) = N^2+2*N+10;
实际上,我们只是需要大概计算,则结果为:F(N) = N^2,只保留最高阶项。
2、 计算阶乘递归factorial的时间复杂度?
long factorial(int N) {
return N < 2 ? N : factorial(N-1) * N;
}
递归的时间复杂度 = 递归的次数*每次递归后的操作次数
F(N) = N*1
即时间复杂度为O(N)
计算斐波那契递归fibonacci的时间复杂度?
3、int fibonacci(int N) {
return N < 2 ? N : fibonacci(N-1)+fibonacci(N-2);
}
递归了2^n次
即它的时间复杂度为O(2^n)
空间复杂度:
空间复杂度是对一个算法在运行过程中临时占用存储空间大小的量度 。
1、计算bubbleSort的空间复杂度?
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;
}
}
}
使用了常数个额外空间,所以空间复杂度为 O(1)
2、 计算fibonacci的空间复杂度?
int[] fibonacci(int n) {
long[] fibArray = new long[n + 1];
fibArray[0] = 0; fibArray[1] = 1;
for (int i = 2; i <= n ; i++) {
fibArray[i] = fibArray[i - 1] + fibArray [i - 2];
}
return fibArray;
}
动态开辟了N个空间,空间复杂度为 O(N)
3、 计算阶乘递归Factorial的时间复杂度?
long factorial(int N) {
return N < 2 ? N : factorial(N-1)*N;
}
递归调用了N次,开辟了N个栈帧,每个栈帧使用了常数个空间。空间复杂度为O(N)