算法复杂度
时间复杂度有关总结
一,常数时间的操作【基本操作】
常数时间——固定时间——O(1)——由实现细节决定
不会随着输入规模的变化而增加时间复杂度
1 基本操作解析
1.算数操作: a+b a-b a*b a/b
int a 32位
int b 32位
1+1
17899+78855
- 执行时间一致,同样拥有32位的信息,一样用位相加
- 与数值本身的复杂程度没有关系
- 固定时间操作
2.数组寻址
int[] arr
arr[1千万]
arr[2百万]
arr[8百万]
数组量大时【例如数百万或数亿个元素时】,可能进行跳转存储,但是查找时是固定时间操作
- 数组逻辑结构为连续的区域,实际可能有几步进行跳转 【在数据量大时,进行分页或多维存储】
- 可以直接用索引取值,为固定时间操作,所用时间为一致的
- 存地址计算:
- Java中的数组是通过一块连续的内存来存储的。假设数组的起始地址是baseAddress,数组元素的大小是elementSize,数组中第i个元素的地址可以通过以下公式计算: elementAddress(i)=baseAddress+i×elementSize
3.linkedlist
- 为跳转结构的,每个结点有记录着下一个结点的地址
- 1千万长度,无法直接找到所需数据,需要跳转【必须从头节点开始逐个遍历节点】
- 找2百万和8百万数据时,所需时间不一致,为非固定时间操作,链表查找操作的时间复杂度为O(n)
2 常见的常数时间操作
以下是常数级时间复杂度操作的总结表格:
操作类别 | 示例代码 | 说明 |
---|---|---|
赋值和访问 | int a = 5; |
基本数据类型的赋值 |
arr[i]; |
访问数组元素 | |
obj.field; |
访问对象的字段 | |
算术运算 | a + b; |
加法 |
a - b; |
减法 | |
a * b; |
乘法 | |
a / b; |
除法 | |
a % b; |
模运算 | |
比较运算 | a == b; |
等于 |
a > b; |
大于 | |
a < b; |
小于 | |
a >= b; |
大于等于 | |
a <= b; |
小于等于 | |
逻辑运算 | a && b; |
与 |
`a | ||
!a; |
非 | |
位运算 | a & b; |
位与 |
`a | b;` | |
a ^ b; |
位异或 | |
~a; |
位非 | |
a << b; |
左移 | |
a >> b; |
右移 | |
a >>> b; |
无符号右移 | |
库函数调用 | str.length(); |
获取字符串长度 |
arr.length; |
获取数组长度 | |
System.currentTimeMillis(); |
获取当前时间 | |
数据结构操作 | ArrayList | |
list.get(i); |
获取元素 | |
list.set(i, value); |
设置元素 | |
HashMap | ||
map.get(key); |
获取元素 | |
map.put(key, value); |
插入/更新元素 | |
map.remove(key); |
删除元素 | |
HashSet | ||
set.add(value); |
添加元素 | |
set.remove(value); |
删除元素 | |
set.contains(value); |
检查是否包含元素 | |
对象操作 | new Object(); |
创建新对象 |
obj.method(); |
访问对象方法 | |
obj1.equals(obj2); |
对象比较 |
二 时间复杂度【流程决定】
1 怎么算⭐
理解:算法流程中,数据量为N,执行完整个流程,常数操作数量是什么关系?
数据量很大时,只与阶数最大项有关
怎么估算:
- 将算法流程操作往下分解为常数时间的操作,确定算法流程的总操作数量与样本数量之间的表达式关系。
步骤分解与分析- 确定基本操作:
- 识别算法中的基本操作,如赋值、比较、算术运算等。这些操作的执行时间可以视为常数时间 O(1)O(1)O(1)。
- 分析每一步的操作数量:
- 对于每一部分或步骤,计算基本操作的执行次数。例如,循环体内的操作次数与循环的迭代次数有关。
- 求和所有步骤的操作数量:
- 将所有部分的操作次数相加,得到算法的总操作数量。
- 表达总操作数量与样本数量的关系:
- 将总操作数量表示为样本数量 n 的函数,通常会使用大O符号表示算法的时间复杂度。
- 确定基本操作:
- 最后只看最高阶项的部分。
2 例:选择排序-O(N^2)
流程分析
流程分析要将操作分解为常数时间操作【正确识别基本操作】
错误分解方式【没有正确分解基本操作】
1)—— 0~n-1 找最小 放0位置【看为一个操作】不是常数时间操作
2)—— 1~n-1 找最小 放1位置
. . .
n)—— n-1 不需要操作 这样看不出时间复杂度,
正确分解方式
1)——
①.0~n-1 n个数找最小 n-1次比较 看加比
②.最小值放0位置 交换2)——
①.1~n-1 n-1个数找最小 n-2次比较 看加比
②.最小值放1位置 交换
. . .
(n-1)——
①.n-2~n-1 2个数找最小 1次比较 看加比
②.最小值放n-2位置 交换 (n)n-1位置不需要操作
(n-1)+(n-2)+…+1 等差数列
a * N^2 +b * N + c (a,b,c为常数) 将 看,比,加操作 相加关系同样为此表达式
O(N^2)
图形化流程理解
使用等差数列求和 N就是数据量 和是操作数
代码示例
package class01;
import java.util.Arrays;
public class Code01_SelectionSort {
public static void selectionSort(int[] arr) {
if (arr == null || arr.length < 2) {
return;
}
// 0 ~ N-1 找到最小值,在哪,放到0位置上
// 1 ~ n-1 找到最小值,在哪,放到1 位置上
// 2 ~ n-1 找到最小值,在哪,放到2 位置上
for (int i = 0; i < arr.length - 1; i++) {
int minIndex = i;
for (int j = i + 1; j < arr.length; j++) { // i ~ N-1 上找最小值的下标
minIndex = arr[j] < arr[minIndex] ? j : minIndex;
}
swap(arr, i, minIndex);
}
}
public static void swap(int[] arr, int i, int j) {
int tmp = arr[i];
arr[i] = arr[j];
arr[j] = tmp;
}
// 对数函数
public static void comparator(int[] arr) {
Arrays.sort(arr);
}
// 随机产生数组
public static int[] generateRandomArray(int maxSize, int maxValue) {
// Math.random() [0,1)
// Math.random() * N [0,N)
// (int)(Math.random() * N) [0, N-1]
int[] arr = new int[(int) ((maxSize + 1) * Math.random())];
for (int i = 0; i < arr.length; i++) {
// [-? , +?]
arr[i] = (int) ((maxValue + 1) * Math.random()) - (int) (maxValue * Math.random());
//[0,maxValue+1]-[0,maxValue+1] 形成负的整数和正整数随机数
}
return arr;
}
// for test
public static int[] copyArray(int[] arr) {
if (arr == null) {
return null;
}
int[] res = new int[arr.length];
for (int i = 0; i < arr.length; i++) {
res[i] = arr[i];
}
return res;
}
// for test 判断是否一致
public static boolean isEqual(int[] arr1, int[] arr2) {
if ((arr1 == null && arr2 != null) || (arr1 != null && arr2 == null)) {//一空一不空
return false;
}
if (arr1 == null && arr2 == null) {//都为空
return true;
}
if (arr1.length != arr2.length) {//长度不相等
return false;
}
for (int i = 0; i < arr1.length; i++) {
if (arr1[i] != arr2[i]) {
return false;
}
}
return true;
}
// for test 打印数组
public static void printArray(int[] arr) {
if (arr == null) {
return;
}
for (int i = 0; i < arr.length; i++) {
System.out.print(arr[i] + " ");
}
System.out.println();
}
// for test
public static void main(String[] args) {
int testTime = 500000;//测试次数
int maxSize = 100;//最大长度
int maxValue = 100;//最大值
boolean succeed = true;//成败标志
for (int i = 0; i < testTime; i++) {//开始测试
int[] arr1 = generateRandomArray(maxSize, maxValue);//生成随机数组
int[] arr2 = copyArray(arr1);//拷贝
selectionSort(arr1);
comparator(arr2);
if (!isEqual(arr1, arr2)) {
succeed = false;
printArray(arr1);
printArray(arr2);
break;
}
}
System.out.println(succeed ? "Nice!" : "Fucking fucked!");
int[] arr = generateRandomArray(maxSize, maxValue);
printArray(arr);
selectionSort(arr);
printArray(arr);
}
}
3 例:list.get-时间复杂度分析
要注意调用的api的底层
- 链表O(N)
- 数组O(1)
for(i=0;i<n:i++)
{
list.get(i);
打印;
}
循环时间复杂度为:n
list.get如果为链表操作,每次从0开始遍历到i
时间复杂度为:N
所以此代码时间复杂度为: O(N^2)
4 例:冒泡排序-O(N^2)
流程复杂度分析:
N个数,相邻两数谁大谁往后(O(1)) N个相邻数进行交换 N-1次
N-1个数
N-2个数
等差数列——O(N^2)
代码示例
package class01;
import java.util.Arrays;
public class Code02_BubbleSort {
public static void bubbleSort(int[] arr) {
if (arr == null || arr.length < 2) {
return;
}
// 0 ~ N-1
// 0 ~ N-2
// 0 ~ N-3
for (int e = arr.length - 1; e > 0; e--) { // 0 ~ e
for (int i = 0; i < e; i++) {
if (arr[i] > arr[i + 1]) {
swap(arr, i, i + 1);
}
}
}
}
// 交换arr的i和j位置上的值
public static void swap(int[] arr, int i, int j) {
arr[i] = arr[i] ^ arr[j];
arr[j] = arr[i] ^ arr[j];
arr[i] = arr[i] ^ arr[j];
}
// for test
public static void comparator(int[] arr) {
Arrays.sort(arr);
}
// for test
public static int[] generateRandomArray(int maxSize, int maxValue) {
int[] arr = new int[(int) ((maxSize + 1) * Math.random())];
for (int i = 0; i < arr.length; i++) {
arr[i] = (int) ((maxValue + 1) * Math.random()) - (int) (maxValue * Math.random());
}
return arr;
}
// for test
public static int[] copyArray(int[] arr) {
if (arr == null) {
return null;
}
int[] res = new int[arr.length];
for (int i = 0; i < arr.length; i++) {
res[i] = arr[i];
}
return res;
}
// for test
public static boolean isEqual(int[] arr1, int[] arr2) {
if ((arr1 == null && arr2 != null) || (arr1 != null && arr2 == null)) {
return false;
}
if (arr1 == null && arr2 == null) {
return true;
}
if (arr1.length != arr2.length) {
return false;
}
for (int i = 0; i < arr1.length; i++) {
if (arr1[i] != arr2[i]) {
return false;
}
}
return true;
}
// for test
public static void printArray(int[] arr) {
if (arr == null) {
return;
}
for (int i = 0; i < arr.length; i++) {
System.out.print(arr[i] + " ");
}
System.out.println();
}
// for test
public static void main(String[] args) {
int testTime = 500000;
int maxSize = 100;
int maxValue = 100;
boolean succeed = true;
for (int i = 0; i < testTime; i++) {
int[] arr1 = generateRandomArray(maxSize, maxValue);
int[] arr2 = copyArray(arr1);
bubbleSort(arr1);
comparator(arr2);
if (!isEqual(arr1, arr2)) {
succeed = false;
break;
}
}
System.out.println(succeed ? "Nice!" : "Fucking fucked!");
int[] arr = generateRandomArray(maxSize, maxValue);
printArray(arr);
bubbleSort(arr);
printArray(arr);
}
}
5 例:插入排序-O(N^2)
插入排序过程:
- 想让arr[0~0]上有序,这个范围只有一个数,当然是有序的。
- 想让arr[0~1]上有序,所以从arr1开始往前看,如果arr1<arr[0],就交换。否则什么也不做。
- 想让arr[0~i]上有序,所以从arr[i]开始往前看,arr[i]这个数不停向左移动,一直移动到左边的数字不再比自己大,停止移动。
- 最后一步,想让arr[0~N-1]上有序,arr[N-1]这个数不停向左移动,一直移动到左边的数字不再比自己大,停止移动。
- 估算时发现这个算法流程的复杂程度,会因为数据状况的不同而不同。
流程及复杂度分析:
[3,2,3,1,4,0]
0,1,2,3,4,5
1) 0~0 有序
2) 0~1 有序 1与前比 插入
3) 0~2 有序 2与前比 插入
4) 0~3 有序 3与前比 插入
5) 0~4 有序 4与前比 插入
6) 0~5 有序 5与前比 插入
不固定时间
时间随数据情况变化时,最差情况来估计流程
[7,6,5,4,3,2,1]
交换次数 1
2
3
4
5
6
代码示例:
package class01;
import java.util.Arrays;
public class Code03_InsertionSort {
public static void insertionSort(int[] arr) {
if (arr == null || arr.length < 2) {
return;
}
// 不只1个数
for (int i = 1; i < arr.length; i++) { // 0 ~ i 做到有序
for (int j = i - 1; j >= 0 && arr[j] > arr[j + 1]; j--) {
swap(arr, j, j + 1);
}
}
}
// i和j是一个位置的话,会出错
public static void swap(int[] arr, int i, int j) {
arr[i] = arr[i] ^ arr[j];
arr[j] = arr[i] ^ arr[j];
arr[i] = arr[i] ^ arr[j];
}
// for test
public static void comparator(int[] arr) {
Arrays.sort(arr);
}
// for test
public static int[] generateRandomArray(int maxSize, int maxValue) {
// Math.random() -> [0,1) 所有的小数,等概率返回一个
// Math.random() * N -> [0,N) 所有小数,等概率返回一个
// (int)(Math.random() * N) -> [0,N-1] 所有的整数,等概率返回一个
int[] arr = new int[(int) ((maxSize + 1) * Math.random())]; // 长度随机
for (int i = 0; i < arr.length; i++) {
arr[i] = (int) ((maxValue + 1) * Math.random()) - (int) (maxValue * Math.random());
}
return arr;
}
// for test
public static int[] copyArray(int[] arr) {
if (arr == null) {
return null;
}
int[] res = new int[arr.length];
for (int i = 0; i < arr.length; i++) {
res[i] = arr[i];
}
return res;
}
// for test
public static boolean isEqual(int[] arr1, int[] arr2) {
if ((arr1 == null && arr2 != null) || (arr1 != null && arr2 == null)) {
return false;
}
if (arr1 == null && arr2 == null) {
return true;
}
if (arr1.length != arr2.length) {
return false;
}
for (int i = 0; i < arr1.length; i++) {
if (arr1[i] != arr2[i]) {
return false;
}
}
return true;
}
// for test
public static void printArray(int[] arr) {
if (arr == null) {
return;
}
for (int i = 0; i < arr.length; i++) {
System.out.print(arr[i] + " ");
}
System.out.println();
}
// for test
public static void main(String[] args) {
int testTime = 500000;
int maxSize = 100; // 随机数组的长度0~100
int maxValue = 100;// 值:-100~100
boolean succeed = true;
for (int i = 0; i < testTime; i++) {
int[] arr = generateRandomArray(maxSize, maxValue);
int[] arr1 = copyArray(arr);
int[] arr2 = copyArray(arr);
insertionSort(arr1);
comparator(arr2);
if (!isEqual(arr1, arr2)) {
// 打印arr1
// 打印arr2
succeed = false;
for (int j = 0; j < arr.length; j++) {
System.out.print(arr[j] + " ");
}
System.out.println();
break;
}
}
System.out.println(succeed ? "Nice!" : "Fucking fucked!");
int[] arr = generateRandomArray(maxSize, maxValue);
printArray(arr);
insertionSort(arr);
printArray(arr);
}
}
6 冒泡排序和插入排序比较
冒泡排序:在数据优良情况下,流程固定,比较次数没有减少,减少了交换
插入排序:在数据优良情况下,减少了比较和交换
三,注意
- 算法的过程和具体的语言是无关的。
- 想分析一个算法流程的时间复杂度的前提,是对该流程非常熟悉。
- 一定要确保在拆分算法流程时,拆分出来的所有行为都是常数时间的操作。这意味着你写算法时,对自己用过的每一个系统api都非常熟悉。否则会影响你对时间复杂度的估算。
四,常见时间复杂度
常见时间复杂度的表格总结:
时间复杂度 | 描述 | 示例 |
---|---|---|
O(1) | 常数时间复杂度 | 直接访问数组元素 |
O(log n) | 对数时间复杂度 | 二分查找 |
O(n) | 线性时间复杂度 | 遍历数组 |
O(n log n) | 线性对数时间复杂度 | 快速排序、归并排序 |
O(n^2) | 平方时间复杂度 | 冒泡排序、插入排序 |
O(n^3) | 立方时间复杂度 | 简单的多层嵌套循环算法 |
O(2^n) | 指数时间复杂度 | 某些递归算法 |
O(n!) | 阶乘时间复杂度 | 解决旅行商问题 |
口诀:常对线幂指阶 |