算法基础学习1——时间复杂度和空间复杂度

简介: 算法基础学习1——时间复杂度和空间复杂度

🟡前言


本文是21天学习挑战赛的第一天,会有一个系列的文章重新梳理算法,本文主要是描述时间复杂度和空间复杂度

活动地址:CSDN21天学习挑战赛


🟡时间复杂度


1️⃣实例说明


public class test {
    public static void main(String[] args) {
        int i = 1 , sum = 0;
        for(i = 0 ; i <= 100 ; i += 1){
            sum = sum +i;
        }
        System.out.println("和是:"+sum);
    }
}
public class 运用for语句求和 {
    public static void main(String[] args) {
        int sum = 0;
        int n = 100;
        sum = (n+1)*n/2;
        System.out.println("和是:" + sum);
    }
}


上面两个程序的执行时间不同;第一个程序需要执行100次累加语句,而第二个程序只需要执行三次运算,这就牵涉到时间复杂度


2️⃣时间复杂度分析


ea8a94f1c3e8497ab04ed2ae7e93cdcc.png


如上图所示,可得出结论:算法函数中n最高次幂越小,算法效率越高


在比较算法随着输入规模的增长量时,规则如下


  • 算法函数中的常数可以忽略
  • 算法函数中最高次幂的常数因子可以忽略
  • 算法函数中最高次幂越小,算法效率越高


3️⃣算法时间复杂度计法


(1)大O记法


大O记法的规则如下:


  • 用1取代运行时间中所有的加法常数
  • 修改后的运行次数中,只保留高阶项
  • 若高阶项存在且系数不为1,则去除系数


下面是一些实例


public static void main(String[] args){
  int sum =0;//执行1次
  int n = 100;//执行1次
  sum = (n+1)*n/2//执行1次
}


这个程序执行了 3 次,根据规则记为O(1)


public class test {
    public static void main(String[] args) {
        int sum = 0;
        int n = 100;//执行1次
        for(i = 0 ; i <= n ; i += 1){
            sum = sum +i;//执行n次
        }
        System.out.println("和是:"+sum);
    }
}


这个程序执行了 n+1 次,记为 O(n)


public class test {
    public static void main(String[] args) {
        int sum = 0;//执行1次
        int n = 100;//执行1次
        for(i = 0 ; i <= n ; i += 1){
          for(j = 1 ; j <=n ; j++){
              sum = sum +i;//执行n^2次
            }
        }
        System.out.println("和是:"+sum);
    }
}


这个程序执行了 n^2+1 次,记为 O(n^2)


(2)常见大O阶


  • 线性阶


非嵌套语句涉及;随输入规模扩大,计数次呈直线增长


public static void main(String[] args) {
  int i = 1 , sum = 0;
    for(i = 0 ; i <= 100 ; i += 1){
      sum = sum +i;
    }
    System.out.println("和是:"+sum);
}


  • 平方阶


一般嵌套语句涉及


public static void main(String[] args) {
  int sum = 0;//执行1次
    int n = 100;//执行1次
    for(i = 0 ; i <= n ; i += 1){
      for(j = 1 ; j <=n ; j++){
          sum = sum +i;//执行n^2次
        }
    }
  System.out.println("和是:"+sum);
}


  • 立方阶


一般三层嵌套循环涉及


public static void main(String[] args) {
  int sum = 0;//执行1次
    int x = 100;//执行1次
    for(int i = 1 ; i <= n ; i++){
      for(int j = i ; j <=n ; j++){
        for(int j =i; j <=n; j++){
            x++
          }
        }
    }
  System.out.println("和是:"+sum);
}


  • 对数阶


int i = 1, n = 100;
while(i<n){
  i = i*2
}


  • 常数阶


public static void main(String[] args) {
int n = 100;
int i = n+2;
System.out.println(i);
}


时间复杂度总结如下


b549162a44274c109b9f0803401312ca.jpg


(3)方法调用时间复杂度


只要将方法体内语句代替方法名,即可用上述方法求出时间复杂度


public class Test4 {
    public static void main(String[] args) {
        int n = 100;
        show(n);//执行n次
        for(int i = 0; i < n; i++){
            show(i);//执行n次
        }
        for(int i = 0; i < n; i++){
            for(int j = 0; j < n; j++){
                System.out.println(j);//执行n^2次
            }
        }
    }
    private static void show(int i) {
        for (int j = 0; j < i; j ++){
            System.out.println(i);//执行n次
        }
    }
}


总共执行:n + n * n + n^2 = 2n ^2 + n 次


所以时间复杂度为:O(n^2)


(4)最坏情况


最坏情况指将程序运行到最后一种情况才是期望的目标,在考虑时间复杂度时要考虑最坏情况


🟡空间复杂度


1️⃣Java中常见内存占用


数据类型 占用字节数
byte 1
short 2
int 4
long 8
float 4
double 8
boolean 1
char 2


2️⃣创建对象内存占用


  • 计算机一次访问一个字节
  • 每个对象自身开销16字节,用来保存对象头信息
  • 一个引用(机器地址)需要8字节
  • 内存若不够8字节(或其倍数),自动填充为8字节(或其倍数)
  • 一个原始数据类型的数组需要24字节的头信息
    (16字节自己对象开销+4字节保存长度+4字节填充为8整数倍)


🟡结语


从下一篇文章起会分享有关算法中排序的知识点以及对应习题

相关文章
|
10天前
|
机器学习/深度学习 算法 数据挖掘
【Python机器学习专栏】关联规则学习:Apriori算法详解
【4月更文挑战第30天】Apriori算法是一种用于关联规则学习的经典算法,尤其适用于购物篮分析,以发现商品间的购买关联。该算法基于支持度和置信度指标,通过迭代生成频繁项集并提取满足阈值的规则。Python中可借助mlxtend库实现Apriori,例如处理购物篮数据,设置支持度和置信度阈值,找出相关规则。
|
10天前
|
机器学习/深度学习 算法 前端开发
【Python机器学习专栏】集成学习算法的原理与应用
【4月更文挑战第30天】集成学习通过组合多个基学习器提升预测准确性,广泛应用于分类、回归等问题。主要步骤包括生成基学习器、训练和结合预测结果。算法类型有Bagging(如随机森林)、Boosting(如AdaBoost)和Stacking。Python中可使用scikit-learn实现,如示例代码展示的随机森林分类。集成学习能降低模型方差,缓解过拟合,提高预测性能。
|
23天前
|
机器学习/深度学习 算法 前端开发
Scikit-learn进阶:探索集成学习算法
【4月更文挑战第17天】本文介绍了Scikit-learn中的集成学习算法,包括Bagging(如RandomForest)、Boosting(AdaBoost、GradientBoosting)和Stacking。通过结合多个学习器,集成学习能提高模型性能,减少偏差和方差。文中展示了如何使用Scikit-learn实现这些算法,并提供示例代码,帮助读者理解和应用集成学习提升模型预测准确性。
|
24天前
|
机器学习/深度学习 算法 Python
使用Python实现集成学习算法:Bagging与Boosting
使用Python实现集成学习算法:Bagging与Boosting
22 0
|
25天前
|
算法 安全 数据可视化
python关联规则学习:FP-Growth算法对药品进行“菜篮子”分析
python关联规则学习:FP-Growth算法对药品进行“菜篮子”分析
|
1月前
|
算法
【算法学习--字符串】(不含KMP算法)
【算法学习--字符串】(不含KMP算法)
|
1月前
|
算法 数据处理 C语言
【数据结构与算法】快速排序(详解:快排的Hoare原版,挖坑法和双指针法|避免快排最坏时间复杂度的两种解决方案|小区间优化|非递归的快排)
【数据结构与算法】快速排序(详解:快排的Hoare原版,挖坑法和双指针法|避免快排最坏时间复杂度的两种解决方案|小区间优化|非递归的快排)
|
2月前
|
机器学习/深度学习 算法 数据挖掘
什么是集成学习算法
什么是集成学习算法
36 0
|
2月前
|
算法
TOP-K问题和向上调整算法和向下调整算法的时间复杂度问题的分析
TOP-K问题和向上调整算法和向下调整算法的时间复杂度问题的分析
20 1
|
2月前
|
Rust Dart 算法
55.3k star!开源算法教程,附带动画图解,学习算法不再苦恼!
55.3k star!开源算法教程,附带动画图解,学习算法不再苦恼!