【数据结构】:时间和空间复杂度

目录

如何衡量一个代码的好坏

时间复杂度

概念

计算方法

实例计算

【实例1】

【实例2】

【实例3】

【实例4】:冒泡排序的时间复杂度

【实例5】:二分查找的时间复杂度

【实例6】:阶乘递归的时间复杂度

【实例7】:斐波那契递归的时间复杂度

空间复杂度

概念

实例计算

【实例1】:冒泡排序的空间复杂度

【实例2】:斐波那契的空间复杂度


如何衡量一个代码的好坏

  • 算法效率分析分为两种
  1. 时间效率,称为时间复杂度,主要是用来衡量算法的运行速度
  2. 空间效率,称为空间复杂度,主要是用来衡量实现一个算法需要的额外空间

时间复杂度

概念

++定义++

  • 算法的时间复杂度是一个数学函数,它定量描述了该算法的运行时间
  • 一个算法所花费的时间与其语句中的执行次数成正比,算法中的基本操作的执行次数,为算法的时间复杂度

计算方法

cpp 复制代码
void func1(int N){
	int count = 0;
	for (int i = 0; i < N ; i++) {    
		for (int j = 0; j < N ; j++) {       
			count++;       //------------>N*N
		}   
	}
	for (int k = 0; k < 2 * N ; k++) {
		count++;           //------------>N*2
	}    
	int M = 10;    
	while ((M--) > 0) {        
		count++;           //------------>10
	}    
	System.out.println(count); 
}

Func1执行的基本操作次数为:

  • N = 10 F(N) = 130
  • N = 100 F(N) = 10210
  • N = 1000 F(N) = 1002010

推导大O阶方法大O符号,用于描述函数渐进行为的数学符号

  • 用常数 1 取代运行时间中的所有加法常数
  • 在修改后的运行次数函数中,只保留最高项
  • 如果最高阶存在且不为 1,则去除与这个项相乘的常数
  • 使用大O阶渐进表示法后,func的时间复杂度为:

实例计算

【实例1】

cpp 复制代码
//计算func2的时间复杂度
void func2(int N) {    
	int count = 0;    
	for (int k = 0; k < 2 * N ; k++) {        
		count++;         //------------>N*2
	}    
	int M = 10;    
	while ((M--) > 0) {        
		count++;         //------------>10
	}    
	System.out.println(count); 
}
  • func2的时间复杂度为:

【实例2】

cpp 复制代码
//计算func3的时间复杂度
void func3(int N, int M) {    
	int count = 0;    
	for (int k = 0; k < M; k++) {        
		count++;     //------------>M
	}    
	for (int k = 0; k < N ; k++) {        
		count++;     //------------>N
	}    
	System.out.println(count); 
}
  • func3的时间复杂度为:

【实例3】

cpp 复制代码
// 计算func4的时间复杂度
void func4(int N) {   
	int count = 0;    
	for (int k = 0; k < 100; k++) {        
		count++;       //------------>100
	}    
	System.out.println(count); 
}
  • func4的时间复杂度为:

【实例4】:冒泡排序的时间复杂度

cpp 复制代码
// 计算bubbleSort的时间复杂度
void bubbleSort(int[] array) {    
	for (int end = array.length; end > 0; end--) {  //------------>(N-1)项
		boolean sorted = true;        
		for (int i = 1; i < end; i++) {      //--------->(N-1)+(N-2)+(N-3)+...+1
			if (array[i - 1] > array[i]) {   //等差数列求和,首:N-1  末:1  项数:N-1
				Swap(array, i - 1, i);                
				sorted = false;           
			}       
		}        
		if (sorted == true) {            
			break;       
		}   
	} 
}
  • 第11,12行对代码进行了优化,时间复杂度为:
  • 若无优化,最好和最坏的结果都是:

【实例5】:二分查找的时间复杂度

cpp 复制代码
// 计算binarySearch的时间复杂度
int binarySearch(int[] array, int value) {    
	int begin = 0;    
	int end = array.length - 1;    
	while (begin <= end) {                   
		int mid = begin + ((end-begin) / 2);        
		if (array[mid] < value)            
			begin = mid + 1;        
		else if (array[mid] > value)            
			end = mid - 1;        
		else;
			return mid;   
	}    
	return -1; 
}
  • 分一次,还剩 个数;分两次,还剩 个数......分 次,还剩 个数。
  • 在结果最坏时,当只有一个剩余的数的时候,就找到了,所以此时 ,即
  • binarySearch的时间复杂度为:

【实例6】:阶乘递归的时间复杂度

cpp 复制代码
// 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; 
}
  • 递归的复杂度 = 递归的次数 * 每次递归后代码的执行次数
  • 递归的次数为N;每次递归回来执行三目运算,它的时间复杂度为
  • 阶乘递归的时间复杂度为:

【实例7】:斐波那契递归的时间复杂度

cpp 复制代码
// 计算斐波那契递归fibonacci的时间复杂度
int fibonacci(int N) { 
	return N < 2 ? N : fibonacci(N-1)+fibonacci(N-2); 
}
  • 第 n 层节点个数为: ,则总递归次数为:
  • 每次递归后代码执行三目运算,时间复杂度为:
  • 斐波那契递归的时间复杂度为:

空间复杂度

概念

  • 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。
  • 计算规则基本上与时间复杂度一样,也使用大O渐进法表示

实例计算

【实例1】:冒泡排序的空间复杂度

cpp 复制代码
// 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;       
		}
	}
}
  • 空间复杂度为:

【实例2】:斐波那契的空间复杂度

cpp 复制代码
// 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; 
}
  • 空间复杂度为:

【实例3】:阶乘递归的空间复杂度

cpp 复制代码
// 计算阶乘递归Factorial的空间复杂度
long factorial(int N) { 
	return N < 2 ? N : factorial(N-1)*N; 
}
  • 空间复杂度为:
相关推荐
咖啡Beans1 小时前
使用OpenFeign实现微服务间通信
java·spring cloud
我不是混子1 小时前
说说单例模式
java
间彧3 小时前
SimpleDateFormat既然不推荐使用,为什么java 8+中不删除此类
java
间彧4 小时前
DateTimeFormatter相比SimpleDateFormat在性能上有何差异?
java
间彧4 小时前
为什么说SimpleDateFormat是经典的线程不安全类
java
MacroZheng4 小时前
横空出世!MyBatis-Plus 同款 ES ORM 框架,用起来够优雅!
java·后端·elasticsearch
CoovallyAIHub5 小时前
港大&字节重磅发布DanceGRPO:突破视觉生成RLHF瓶颈,多项任务性能提升超180%!
深度学习·算法·计算机视觉
用户0332126663675 小时前
Java 查找并替换 Excel 中的数据:详细教程
java
间彧5 小时前
ThreadLocal实现原理与应用实践
java