1 集合框架

1.1 集合框架概念

Java 集合框架 Java Collection Framework ，又被稱為容器 container ，是定義在 java.util 包下的一組接口 interfaces和其實現(xiàn)類 classes 。

其主要表現(xiàn)為將多個元素 element 置于一個單元中，用于對這些元素進行快速、便捷的存儲 store 、檢索 retrieve 、管理 manipulate ，即平時我們俗稱的增刪查改 CRUD 。

類和接口總覽：

1.2 容器涉及的數(shù)據(jù)結構

Collection：是一個接口，包含了大部分容器常用的一些方法

List：是一個接口，規(guī)范了ArrayList 和 LinkedList中要實現(xiàn)的方法

• ArrayList：實現(xiàn)了List接口，底層為動態(tài)類型順序表
• LinkedList：實現(xiàn)了List接口，底層為雙向鏈表

Stack：底層是棧，棧是一種特殊的順序表

Queue：底層是隊列，隊列是一種特殊的順序表

Deque：是一個接口

Set：集合，是一個接口，里面放置的是K模型

• HashSet：底層為哈希桶，查詢的時間復雜度為O(1)
• TreeSet：底層為紅黑樹，查詢的時間復雜度為O( ),關于key有序的

Map：映射，里面存儲的是K-V模型的鍵值對

• HashMap：底層為哈希桶，查詢時間復雜度為O(1)
• TreeMap：底層為紅黑樹，查詢的時間復雜度為O( )，關于key有序

2 算法

2.1 算法概念

算法(Algorithm):就是定義良好的計算過程，他取一個或一組的值為輸入，并產(chǎn)生出一個或一組值作為輸出。簡單來說算法就是一系列的計算步驟，用來將輸入數(shù)據(jù)轉化成輸出結果。

2.2 算法效率

算法效率分析分為兩種：第一種是時間效率，第二種是空間效率。時間效率被稱為時間復雜度，而空間效率被稱作空間復雜度。 時間復雜度主要衡量的是一個算法的運行速度，而空間復雜度主要衡量一個算法所需要的額外空間，在計算機發(fā)展的早期，計算機的存儲容量很小。所以對空間復雜度很是在乎。但是經(jīng)過計算機行業(yè)的迅速發(fā)展，計算機的存儲容量已經(jīng)達到了很高的程度。所以我們如今已經(jīng)不需要再特別關注一個算法的空間復雜度。

3 時間復雜度

3.1 時間復雜度概念

時間復雜度的定義：在計算機科學中，算法的時間復雜度是一個數(shù)學函數(shù)，它定量描述了該算法的運行時間。一個算法執(zhí)行所耗費的時間，從理論上說，是不能算出來的，只有你把你的程序放在機器上跑起來，才能知道。但是我們需要每個算法都上機測試嗎？是可以都上機測試，但是這很麻煩，所以才有了時間復雜度這個分析方式。一個算法所花費的時間與其中語句的執(zhí)行次數(shù)成正比例，算法中的基本操作的執(zhí)行次數(shù)，為算法的時間復雜度。

3.2 大O的漸進表示法

// 請計算一下func1基本操作執(zhí)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);
}

Func1 執(zhí)行的基本操作次數(shù) ：F(N)=N^2+2*N+10

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

實際中我們計算時間復雜度時，我們其實并不一定要計算精確的執(zhí)行次數(shù)，而只需要大概執(zhí)行次數(shù)，那么這里我們使用大O的漸進表示法。

大O符號（Big O notation）：是用于描述函數(shù)漸進行為的數(shù)學符號

3.3 推導大O階方法

• 用常數(shù)1取代運行時間中的所有加法常數(shù)。
• 在修改后的運行次數(shù)函數(shù)中，只保留最高階項。
• 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。

使用大O的漸進表示法以后，F(xiàn)unc1的時間復雜度為：O(n^2)

• N = 10 F(N) = 100
• N = 100 F(N) = 10000
• N = 1000 F(N) = 1000000

通過上面我們會發(fā)現(xiàn)大O的漸進表示法去掉了那些對結果影響不大的項，簡潔明了的表示出了執(zhí)行次數(shù)。另外有些算法的時間復雜度存在最好、平均和最壞情況：

最壞情況：任意輸入規(guī)模的最大運行次數(shù)(上界)

平均情況：任意輸入規(guī)模的期望運行次數(shù)

最好情況：任意輸入規(guī)模的最小運行次數(shù)(下界)

例如：在一個長度為N數(shù)組中搜索一個數(shù)據(jù)x

最好情況：1次找到

最壞情況：N次找到

平均情況：N/2次找到

在實際中一般情況關注的是算法的最壞運行情況，所以數(shù)組中搜索數(shù)據(jù)時間復雜度為O(N)

4 空間復雜度

空間復雜度是對一個算法在運行過程中臨時占用存儲空間大小的量度 ?？臻g復雜度不是程序占用了多少bytes的空間，因為這個也沒太大意義，所以空間復雜度算的是變量的個數(shù)?？臻g復雜度計算規(guī)則基本跟實踐復雜度類似，也使用大O漸進表示法。

實例1:

// 計算bubbleSort的空間復雜度？
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;
		}
	}
}

實例2:

// 計算fibonacci的空間復雜度？
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;
}

實例3:

// 計算階乘遞歸Factorial的空間復雜度？
long factorial(int N) {
	return N < 2 ? N : factorial(N-1)*N;
}

• 實例1使用了常數(shù)個額外空間，所以空間復雜度為 O(1)
• 實例2動態(tài)開辟了N個空間，空間復雜度為 O(N)
• 實例3遞歸調用了N次，開辟了N個棧幀，每個棧幀使用了常數(shù)個空間?？臻g復雜度為O(N)

到此這篇關于Java數(shù)據(jù)結構之集合框架與常用算法詳解的文章就介紹到這了,更多相關Java集合框架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！

最新評論