欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Java時間復雜度、空間復雜度的深入詳解

 更新時間:2021年11月05日 14:28:54   作者:Lockey-s  
對于一個算法,其時間復雜度和空間復雜度往往是相互影響的,當追求一個較好的時間復雜度時,可能會使空間復雜度的性能變差,即可能導致占用較多的存儲空間,這篇文章主要給大家介紹了關于Java時間復雜度、空間復雜度的相關資料,需要的朋友可以參考下

算法效率

在使用當中,算法效率分為兩種,一是時間效率(時間復雜度),二是空間效率(空間復雜度)。時間復雜度是指程序運行的速度。空間復雜度是指一個算法所需要的額外的空間。

時間復雜度

什么是時間復雜度

計算程序運行的時間不能拿簡單的時間來計算,因為不同處理器處理數(shù)據(jù)的能力是不一樣的。所以只算一個大概的次數(shù)就行了,儼然就是算法中的基本操作的執(zhí)行次數(shù)。用大O的漸進法來表示

例:計算 func1 的基本操作執(zhí)行了幾次

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);
}

func1 的基本執(zhí)行次數(shù)是:F(N) = N^2 + 2*N + 10

推導大 O 階的方法

1、用常數(shù)1取代運行時間中的所有加法常數(shù)。
2、在修改后的運行次數(shù)函數(shù)中,只保留最高階項。
3、如果最高階項存在且不是1,則去除與這個項目相乘的常數(shù)。得到的結果就是大O階。

所以使用大 O 的漸進法表示之后,func1 的時間復雜度就是:O(N^2)

算法情況

因為當我們用算法計算的時候,會有最好情況和最壞情況和平均情況。我們常說的時間復雜度在 O(N) 這里的時間復雜度就是最壞情況。

最好情況就是最小的運行次數(shù)。

舉例一:

void func2(int N){
    int count = 0;
    for (int k = 0; k < 2 * N ; k++) {
        count++;
    }
    int M = 10;
    while ((M--) > 0) {
        count++;
    }
    System.out.println(count);
}

這里的結果是 O(N) 因為根據(jù)時間復雜度的計算方法,去除常數(shù),所以 2*N 就是 N 。M 是 10 也可以忽略掉。

舉例二:

void func3(int N, int M) {
    int count = 0;
    for (int k = 0; k < M; k++) {
        count++;
    }
    for (int k = 0; k < N ; k++) {
        count++;
    }
    System.out.println(count);
}

這里的時間復雜度是 O(M+N) 因為 M 和 N 的值是未知的,所以是 O(M+N)

舉例三:

void func4(int N) {
    int count = 0;
    for (int k = 0; k < 100; k++) {
        count++;
    }
    System.out.println(count);
}

這個的時間復雜度是 O(1) 因為循環(huán)里面是常數(shù),所以根據(jù)大 O 漸進法,結果就是 O(1)

計算冒泡排序的時間復雜度

public static void bubbleSort(int[] arr){
    for (int i = 0; i < arr.length; i++) {
        for (int j = 0; j < arr.length - 1 - i; j++) {
            if(arr[j] > arr[j+1]){
                int tmp = arr[j];
                arr[j] = arr[j+1];
                arr[j+1] = tmp;
            }
        }
    }
}

因為冒泡排序的特殊性,可能一次就排好了,也可能得一直排到最后,所以就有了最好情況和最壞情況。

最好情況:就是比較一次,就是 O(N)

最壞情況:一直排到最后,就是 O(N^2)

計算二分查找的時間復雜度

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;
}

因為二分查找是一半一半的找,所以每次查找之后都會把查找范圍減半,比如說在一個 1 - 8 的有序數(shù)組里面查找 8 也就是查找最壞情況。圖示如下:

如圖,在數(shù)組當中完成二分查找需要 log2n - 1 次也就是時間復雜度是 log2n (就是 log 以 2 為底 n 的對數(shù))

計算階乘遞歸的時間復雜度

long factorial(int N) {
	return N < 2 ? N : factorial(N-1) * N;
}

計算遞歸的時間復雜度:遞歸的次數(shù) * 每次遞歸執(zhí)行的次數(shù)。

所以這次遞歸的時候,基本操作遞歸了 N 次,所以時間復雜度就是 O(N)

計算斐波那契遞歸的時間復雜度

int fibonacci(int N) {
	return N < 2 ? N : fibonacci(N-1)+fibonacci(N-2);
}

假設 N 是 5 我們來展開求

如圖:每次計算都會計算下一層,但是每次都是一邊少,一邊多。所以就可以直接按照每邊一樣來計算。如下圖:

所以就有公式可以計算出每次計算的次數(shù),就是:2 ^ (n - 1) ,所以計算的結果就是:2^\0 + 2^1 + 2^2 + 2^3……2^(n-1) = 2^n+1 所以按照大 O 漸進法來算,結果就是:2^n 。

所以斐波那契數(shù)列的時間復雜度就是:2^n 。

空間復雜度

空間復雜度衡量的是一個算法在運行過程當中占用的額外存儲空間的大小,因為沒必要按照字節(jié)來算,而是算變量的個數(shù)。也是用大 O 漸進法表示。

計算冒泡排序的空間復雜度

public static void bubbleSort(int[] arr){
    for (int i = 0; i < arr.length; i++) {
        for (int j = 0; j < arr.length - 1 - i; j++) {
            if(arr[j] > arr[j+1]){
                int tmp = arr[j];
                arr[j] = arr[j+1];
                arr[j+1] = tmp;
            }
        }
    }
}

因為冒泡排序的變量并沒有變化,使用的是額外空間是常數(shù),所以空間復雜度是 O(1) 。

計算斐波那契數(shù)列的空間復雜度(非遞歸)

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;
}

因為這里的斐波那契數(shù)列開辟了 n 個額外空間,所以空間復雜度為 O(n) 。

計算階乘遞歸Factorial的時間復雜度

int factorial(int N) {
	return N < 2 ? N : factorial(N-1)*N;
}

因為是遞歸,每次遞歸都會開辟棧幀,每個棧幀占用常數(shù)個空間,所以空間復雜度就是 O(N) 。

總結

到此這篇關于Java時間復雜度、空間復雜度的文章就介紹到這了,更多相關Java時間復雜度、空間復雜度內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!

相關文章

  • IDEA+JRebel實現(xiàn)全自動熱部署的方法步驟

    IDEA+JRebel實現(xiàn)全自動熱部署的方法步驟

    這篇文章主要介紹了IDEA+JRebel實現(xiàn)全自動熱部署的方法步驟,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧
    2019-11-11
  • java中使用DES加密解密實例

    java中使用DES加密解密實例

    這篇文章主要介紹了java中使用DES加密解密實例,需要的朋友可以參考一下
    2014-01-01
  • java 如何將圖片按照原尺寸比例存入word中

    java 如何將圖片按照原尺寸比例存入word中

    這篇文章主要介紹了java 如何將圖片按照原尺寸比例存入word中的操作,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教
    2021-07-07
  • 淺析Java中Map與HashMap,Hashtable,HashSet的區(qū)別

    淺析Java中Map與HashMap,Hashtable,HashSet的區(qū)別

    HashMap和Hashtable兩個類都實現(xiàn)了Map接口,二者保存K-V對(key-value對);HashSet則實現(xiàn)了Set接口,性質類似于集合
    2013-09-09
  • 解決IDEA中pom.xml文件變?yōu)榛疑膯栴}

    解決IDEA中pom.xml文件變?yōu)榛疑膯栴}

    這篇文章主要給大家介紹了如何解決IDEA中pom.xml文件變?yōu)榛疑膯栴},文中通過圖文結合給大家介紹的非常詳細,對大家的學習或工作有一定的幫助,需要的朋友可以參考下
    2023-12-12
  • SpringBoot整合MQTT并實現(xiàn)異步線程調用的問題

    SpringBoot整合MQTT并實現(xiàn)異步線程調用的問題

    這篇文章主要介紹了基于SpringBoot通過注解實現(xiàn)對mqtt消息處理的異步調用,本文通過實例代碼給大家介紹的非常詳細,對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下
    2021-11-11
  • hibernate 命名查詢如何實現(xiàn)

    hibernate 命名查詢如何實現(xiàn)

    Hibernate允許在映射文件中定義字符串形式的查詢語句,這種查詢方式成為命名查詢,需要的朋友可以參考下
    2012-11-11
  • SpringBoot項目中遇到的BUG問題及解決方法

    SpringBoot項目中遇到的BUG問題及解決方法

    這篇文章主要介紹了SpringBoot項目中遇到的BUG問題及解決方法,本文給大家介紹的非常詳細,對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下
    2020-11-11
  • 關閉支付寶小額免密支付步驟詳解

    關閉支付寶小額免密支付步驟詳解

    支付寶現(xiàn)在作為我們日常生活中最常用的應用之一,已經成為了人們的虛擬錢包。但是最近,有人發(fā)現(xiàn)了支付寶的一個漏洞,本文將對如何關閉小額免密支付進行步驟介紹。下面跟著小編一起來看下吧
    2017-01-01
  • 詳解mybatis-plus配置找不到Mapper接口路徑的坑

    詳解mybatis-plus配置找不到Mapper接口路徑的坑

    這篇文章主要介紹了詳解mybatis-plus配置找不到Mapper接口路徑的坑,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧
    2020-10-10

最新評論