关于android:算法的时间复杂度

算法的工夫与空间复杂度

预先分析法

毛病：不同的数据规模，不同的机器下算法运行的工夫不同，无奈做到计算运行工夫

事先分析法

大O工夫复杂度

渐进工夫复杂度 随着n的增长，程序运行工夫追随n变动的趋势

几个准则

去掉常数项

2(n^2) =n^2

一段代码取工夫复杂度最高的

test(n) {  //工夫复杂度n^3 for(int i = 0; i < n ; i++){   for(int i = 0; i < n ; i++){     for(int i = 0; i < n ; i++){            print(n);     }   } } //工夫复杂度n^2 for(int i = 0; i < n ; i++){   for(int i = 0; i < n ; i++){     print(n);   } } //工夫复杂度n for(int i = 0; i < n ; i++){   print(n); }}

这段代码的工夫复杂度为n^3+n^2+n

当n足够大时，n^2和n与n^3相比太小，能够忽略不计

常见复杂度

o(1)

i = i + 1;

o(n)

test(n){  for(int i = 0 ;i < n;i++){    print(i);  }}

o(n^2)

test(n){  for(int i = 0 ;i < n;i++){    print(i);    for(int j = 0 ;j < n;j++){      print(i);    }  }}

o(log2n)

PS:如果ax =N（a>0，且a≠1），那么数x叫做以a为底N的对数，记作x=logaN，读作以a为底N的，其中a叫做对数的底数，N叫做真数。

test(n) {  int i = 1;  while (i <= n) {    i = 2 * i;  }}

随着循环次数的减少，i的值变动如下

依据对数函数的公式 2的i次方等于n,i等于log2n

最好状况工夫复杂度

数据比拟有序的状况的工夫复杂度

最坏状况工夫复杂度

数据齐全无序

空间复杂度

与n无关的代码空间复杂度能够疏忽

空间复杂度O(n)

test(n) {  //在内存中开拓了一个长度为n的数组  List array  =  List(n);  print(array.length);}

本文由博客群发一文多发等经营工具平台 OpenWrite 公布