【算法与数据结构】5 常见的时间复杂度,你知道吗?

news2024/11/13 15:27:11

请添加图片描述

欢迎来到爱书不爱输的程序猿的博客, 本博客致力于知识分享,与更多的人进行学习交流

本文收录于算法与数据结构体系专栏,本专栏对于0基础者极为友好,欢迎与我一起完成算法与数据结构的从0到1的跨越

请添加图片描述

时间复杂度与空间复杂度

一、前情回顾

  • 👉传送门:1 详解线性查找法
  • 👉传送门:2 线性查找的优化
  • 👉传送门:3 线性查找的测试
  • 👉传送门:4 循环不变量与复杂度分析

二、常见的时间复杂度

1.常见的时间复杂度

1.1 O ( n ) O(n) O(n)级别

✳️以线性查找法为例,对一个规模为n的数组做了一遍循环,时间复杂度叫做O(n)级别的

 public static <E> int search(E[] data, E target){
	for(int i = 0; i < data.length; i ++)
		if(data[i].equals(target))
			return i;
	return -1;
    }

1.2 O ( n 2 ) O(n^2) O(n2)级别

  • 提问: 一个数组中的元素可以组成哪些数据对?
for(int i = 0; i < data.length; i ++)
	for(int j = i + 1; j < data.length; j ++)
		//获得一个数据对(data[i],data[j])
  • 🙋回答: 使用双重循环来遍历这个数组,这个算法的时间复杂度是 O ( n 2 ) O(n^2) O(n2)级别的

    • *️⃣虽然是 O ( n 2 ) O(n^2) O(n2)级别的,但是这两重循环总共的执行的次数并不是 n 2 n^2 n2那么多次,差不多是 n 2 / 2 n^2/2 n2/2这么多次
      • 每次j是从i+1开始的,遍历的数据对的i一定是小于j的,因为我们对于数据对的设计,认为(data[i],data[j])与(data[j],data[i])是一样的,所以大概扔掉了一半这样的数据对
  • ✅但是对于这个算法,依然说它是 O ( n 2 ) O(n^2) O(n2)级别的,因为前面的1/2它也是常数,对于算法复杂度的分析来说常数不重要

1.3 🚩复杂度分析,定要明确n是什么

  • 提问: 遍历⼀个 n ∗ n n*n nn 的⼆维数组
for(int i = 0; i < n; i ++)
	for(int j = 0; j < n; j ++)
		// 遍历到 A[i][j]
  • ⬆️这二维数组的两个维度,两个维度都为n,从这样的一个视角看,算法的时间复杂度是 O ( n 2 ) O(n^2) O(n2)级别的

  • ⬇️假如是一个 a ∗ a a*a aa的二维数组,且 a ∗ a = n a*a=n aa=n,这个二维数组的维度变成了a,这个二维数组中的元素总个数是n

for(int i = 0; i < a; i ++)
	for(int j = 0; j < a; j ++)
		// 遍历到 A[i][j]
  • ➡️对于这个算法复杂度来说,实际上它是一个 O ( a 2 ) O(a^2) O(a2)级别的算法,因为这个二位数组的维度变成了a,如果要使用n来表示的话,这个算法的时间复杂度就是 O ( n ) O(n) O(n)级别的(因为 a ∗ a = n a*a=n aa=n)

  • ✴️同样是一个二维循环,一个是 O ( n 2 ) O(n^2) O(n2)级别的,一个是 O ( n ) O(n) O(n)级别的——因为 n代表的意思不一样,前者的n表示的是这个二位数组的某一个维度是n,后者的n表示的是二维数组的元素总数为n

1.4 O ( l o g n ) O(log n) O(logn)级别

  • 提问: 求某一个十进制数字n所对应的二进制的位数是多少
while(n){
	n % 2; // n 的⼆进制中的⼀位
	n /= 2;
}
//每一次n % 2的的操作的结果都是0或者是1,
//这就是n的二进制的某一位
  • ⌛️时间复杂度: 这个算法的时间复杂度是 O ( l o g n ) O(log n) O(logn)级别,更严谨的说,对于当前这个算法应该是 O ( l o g 2 n ) O(log_2 n) O(log2n),因为n每次都是除以2,相当于看这个数字n能够被多少次除以2之后结果等于0

如果给一个数字n,求这个数字n所对应的十进制的表示的那个位数——比如16这个数所对应的十进制的表示就是1和6,如何可以求出来?求十进制的某一位,应该是n对10求余数,然后n除以10——这个算法的时间复杂度应该是 O ( l o g 10 n ) O(log_{10} n) O(log10n)

  • ✴️不管是 O ( l o g 2 n ) O(log_2 n) O(log2n)还是 O ( l o g 10 n ) O(log_{10} n) O(log10n),或者是任意一个底数,通常管它叫做 O ( l o g n ) O(log n) O(logn)级别的算法——省略掉底数是因为对于 l o g log log函数来说,不同的底数之间其实相差的只是一个常数而已

简单的使用换底公式做一下数学推导:
换底公式: l o g a b = l o g c b l o g c a \boxed {log_a b = \frac{log_c b}{log_c a}} logab=logcalogcb
令a=2,b=n,c=10,代入换底公式 l o g 2 n = l o g 10 n l o g 10 2 log_2 n = \frac{log_{10} n}{log_{10} 2} log2n=log102log10n
💡很明显, l o g 2 n log_2 n log2n l o g 10 n log_{10} n log10n之间就差了一个 1 l o g 10 2 \frac{1}{log_{10} 2} log1021,和n没有关系,
✔️对于算法复杂度分析来说常数不重要因此 l o g 2 n log_2 n log2n l o g 10 n log_{10} n log10n是同一个复杂度
✔️同理, l o g log log以任何数为底,都是一个复杂度——叫做 O ( l o g n ) O(log n) O(logn)级别的复杂度,也就是常说的对数复杂度

  • 🚩看一个算法的复杂度,不能简单的去数循环的个数
    • 比如下面⬇️这个循环也是一重循环,并不是 O ( n ) O(n) O(n)级别的复杂度,因为在这重循环中n每次都是在除以2,并非如同每次减1一个一个的减到0,而是每次除2直到0,是 l o g n log n logn的级别到达了0,因此不是 O ( n ) O(n) O(n)级别的复杂度,而是 O ( l o g n ) O(log n) O(logn)级别的复杂度
while(n){
	n % 2; // n 的⼆进制中的⼀位
	n /= 2;
}

1.5 O ( l o g n ) O(log \sqrt{n}) O(logn )级别

  • 提问: 求解数字n的所有的约数——所谓一个数字a是n的约数,代表n可以将a给整除

  • 🙋方法1: 遍历从1到n中的每一个数,i可以被n整除的情况下,i是n的一个约数

    • ✅这个算法是一个 O ( n ) O(n) O(n)级别的算法,对于这个问题进行优化
    • ☑️优化: 一个数字的约数总是成对出现的,比如对于数字10,2是10的一个约数,用10除以2得到了5,5肯定也是10的一个约数
for(int i = 1; i <= n; i ++) 
	if(n % i == 0)
	// i 是 n 的⼀个约数
  • 🙋方法2: 其实对于这个i来说,不需要遍历到≤n,当 i ∗ i > n i*i>n ii>n的时候,就可以了
    • 这种循环,循环的次数就少了很多
    • ✅这个算法的时间复杂度是 O ( l o g n ) O(log \sqrt{n}) O(logn )
      • *️⃣因为遍历的次数是1 ~ n \sqrt{n} n ,当i为 n \sqrt{n} n 的时候,就退出了循环
for(int i = 1; i * i <= n; i ++)
	if(n % i == 0)
	// i 和 n / i 是 n 的两个约数
	//实际上还有`i == n / i`这种情况,这种特殊的情况只找到了一个约数

1.6 指数级别的复杂度 O ( 2 n ) O(2^n) O(2n)

  • 提问: 求出长度为n的所有二进制数字,如长度为3的二进制数字共有8个,分别是0~7

  • ✅这个算法的时间复杂度是 O ( 2 n ) O(2^n) O(2n)

    • *️⃣因为长度为n,相当于共有n个位置,每个位置填0或1,整体就是 2 n 2^n 2n个情况

1.7 阶乘级别的复杂度 O ( n ! ) O(n!) O(n!)

  • 提问: 求一个长度为n的数组的所有排列

  • ✅用到了数学中的全排列公式,时间复杂度是 O ( n ! ) O(n!) O(n!)

    • 因为所有的排列的个数就是 n ! n! n!

1.8 常数级别的复杂度 O ( 1 ) O(1) O(1)

  • 提问: 判断一个数字n是否是偶数
return n % 2 == 0
//没有余数它就是一个偶数
  • ✅这个算法的时间复杂度是 O ( 1 ) O(1) O(1),因为不管n有多大,只需要执行一个指令/判断,就能判断出它是否是偶数,这个算法和n的具体的大小无关
    • 即使这个算法要执行10条指令,如果我们这个算法要执行10条指令,那么它也是一个 O ( 1 ) O(1) O(1)级别的算法,因为执行的指令的个数与n的大小无关,它还是一个常数

1.9 常见时间复杂度的比较

O ( 1 ) < O ( l o g n ) < O ( l o g n ) < O ( n ) < O ( n l o g n ) < O ( n 2 ) < O ( 2 n ) < O ( n ! ) O(1)<O(log n)<O(log \sqrt{n})<O(n)<O(nlogn)<O(n^2)<O(2^n)<O(n!) O(1)<O(logn)<O(logn )<O(n)<O(nlogn)<O(n2)<O(2n)<O(n!)

2.空间复杂度

  • 和时间复杂度完全是同理的,对于一个算法而言,需要开辟的额外的空间的大小和数据规模n之间的关系是怎样的?

  • ✳️以线性查找为例,并没有开任何额外的空间,因此算法的空间复杂度就是 O ( 1 ) O(1) O(1)级别的

 public static <E> int search(E[] data, E target){
	for(int i = 0; i < data.length; i ++)
		if(data[i].equals(target))
			return i;
	return -1;
    }
  • ✅通常来讲,在算法设计的过程中,不太强调空间复杂度,现在计算机内存越来越大,相较而言时间是更值钱的,很多算法设计的核心思想是用空间换时间

请添加图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/459298.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Day954.以增量演进为手段 -遗留系统现代化实战

以增量演进为手段 Hi&#xff0c;我是阿昌&#xff0c;今天学习记录的是关于以增量演进为手段的内容。 遗留系统现代化中的 HOW&#xff0c;也就是第三个原则&#xff0c;以增量演进为手段。 很多团队在一阵大张旗鼓的遗留系统改造后&#xff0c;终于迎来了最终的“梭哈”时…

【线程同步】

一个大佬的笔记&#xff0c;比较详细 一、线程概述 1.线程概述 与进程&#xff08;process&#xff09;类似&#xff0c;线程&#xff08;thread&#xff09;是允许应用程序并发执行多个任务的一种机 制。一个进程可以包含多个线程。同一个程序中的所有线程均会独立执行相同…

supervisor安装

说明 Supervisor翻译过来是监管人&#xff0c;在Linux中Supervisor是一个进程管理工具&#xff0c;当进程中断的时候Supervisor能自动重新启动它。可以运行在各种类Linux/unix的机器上&#xff0c;supervisor就是用Python开发的一套通用的进程管理程序&#xff0c;能将一个普通…

【别再困扰于LeetCode接雨水问题了 | 从暴力法=>动态规划=>单调栈】

&#x1f680; 算法题 &#x1f680; &#x1f332; 算法刷题专栏 | 面试必备算法 | 面试高频算法 &#x1f340; &#x1f332; 越难的东西,越要努力坚持&#xff0c;因为它具有很高的价值&#xff0c;算法就是这样✨ &#x1f332; 作者简介&#xff1a;硕风和炜&#xff0c;…

Spring使用总结

Spring框架使用 前言处理事务管理声明式事务&#xff1a;编程式事务&#xff1a; 框架核心常见注解 AOP&#xff08; 面向切面编程&#xff09;切面和通知有哪些类型&#xff1f;切面的类型通知类型AOP实现使用场景 IOC(管理所有的JavaBean)依赖注入&#xff08;DI&#xff09;…

道氏转02,水羊转债,超达转债,晓鸣转债,中旗转债上市价格预测

道氏转02 基本信息 转债名称&#xff1a;道氏转02&#xff0c;评级&#xff1a;AA-&#xff0c;发行规模&#xff1a;26.0亿元。 正股名称&#xff1a;道氏技术&#xff0c;今日收盘价&#xff1a;13.41元&#xff0c;转股价格&#xff1a;15.46元。 当前转股价值 转债面值 / …

大数据三驾马车与hadoop起源

背景介绍 Google成立于1998年是全球最大的搜索引擎公司&#xff0c;主要业务为搜索、云计算、广告技术等&#xff0c;主要利润来自于广告等服务。在21世纪初互联网刚刚兴起&#xff0c;每个企业保存和生产的数据量并不大&#xff0c;已有的技术对数据的保存和处理完全满足业务…

RabbitMQ支持消息的模式

一、简单模式 Simple 二、工作模式 Work 类型&#xff1a;无特点&#xff1a;分发机制 解释&#xff1a;当有多个消费者时&#xff0c;我们的消息会被哪个消费者消费呢&#xff0c;我们又该如何均衡消费者消费信息的多少呢? 主要有两种模式&#xff1a; 2.1 轮询分发&#xf…

2023年江苏专转本成绩查询步骤

2023年江苏专转本成绩查询时间 2023年江苏专转本成绩查询时间预计在5月初&#xff0c;参加考试的考生&#xff0c;可以关注考试院发布的消息。江苏专转本考生可在规定时间内在省教育考试院网&#xff0c;在查询中心页面中输入准考证号和身份证号进行查询&#xff0c;或者拨…

IDEA的BitoAI插件的简单使用指南(包括安装和注册)

注&#xff1a;插件声称使用的是GPT-4模型算法&#xff0c;并且多平台支持&#xff0c;包括vscode、pycharm等&#xff0c;这里只演示idea的安装和使用 1.安装 直接在idea的插件商城中搜索即可 2.注册 使用bito插件需要使用邮箱注册&#xff0c;注册非常简单&#xff0c;只需要…

【一起撸个DL框架】2 节点与计算图的搭建

CSDN个人主页&#xff1a;清风莫追 欢迎关注本专栏&#xff1a;《一起撸个DL框架》 文章目录 2 节点与计算图的搭建 &#x1f352;2.1 简介2.2 设计节点类2.3 节点类的具体实现2.4 搭建计算图进行计算2.5 小结2.6 题外话——节点存储的值 2 节点与计算图的搭建 &#x1f352; …

数据湖Iceberg-存储结构(2)

文章目录 存储结构数据文件 data files表快照 Snapshot清单列表 Manifest list清单文件 Manifest file 数据湖Iceberg-简介(1) 数据湖Iceberg-存储结构(2) 数据湖Iceberg-Hive集成Iceberg(3) 数据湖Iceberg-SparkSQL集成(4) 数据湖Iceberg-FlinkSQL集成(5) 数据湖Iceberg-Flink…

Redis入门到入土(day01)

NoSQL概述 为什么用NoSQL 1、单机MySQL的美好年代 在90年代&#xff0c;一个网站的访问量一般不大&#xff0c;用单个数据库完全可以轻松应付&#xff01; 在那个时候&#xff0c;更多的都是静态网页&#xff0c;动态交互类型的网站不多。 上述架构下&#xff0c;我们来看看…

一文详细介绍查看和启用nginx日志(access.log和error.log),nginx错误日志的安全级别,自定义访问日志中的格式

文章目录 1. 文章引言2. Nginx访问日志(access.log)2.1 简述访问日志2.2 启用Nginx访问日志2.3 自定义访问日志中的格式 3. Nginx错误日志(error.log)3.1 简述错误日志3.2 启用错误日志3.3 Nginx错误日志的安全级别 4. 文末总结 1. 文章引言 我们在实际工作中&#xff0c;经常使…

vue3中如何引入element-icon并使用

简单来说&#xff0c;步骤就是&#xff1a; 安装——注册——按需引入——使用 安装 # NPM $ npm install element-plus/icons-vue # Yarn $ yarn add element-plus/icons-vue # pnpm $ pnpm install element-plus/icons-vue注册 您需要从 element-plus/icons-vue 中导入所有…

【BI软件】零编程构建财务分析模型(行计算模型)

上一讲和大家讲到&#xff0c;自定义SQL是用个性化的开发去满足个性化的需求&#xff0c;而分析模型则是用共性的开发去满足个性化的需求。而分析模型的好处显而易见&#xff0c;通过分析模型来开发报表&#xff0c;更灵活、更高效&#xff0c;而且开发及运维的成本非常低。同时…

C++中引用的基本内容

个人主页&#xff1a;平行线也会相交 欢迎 点赞&#x1f44d; 收藏✨ 留言✉ 加关注&#x1f493;本文由 平行线也会相交 原创 收录于专栏【C之路】 引用&#xff0c;其实没啥特别的&#xff0c;就是起外号&#xff0c;或者说起小名。就比如说孙悟空就有很多外号&#xff0c;如…

基于Python实现个人手机定位分析

TransBigData是一个为交通时空大数据处理、分析和可视化而开发的Python包。本文就来用它实现个人手机定位分析&#xff0c;感兴趣的小伙伴可以了解一下 但其实交通时空大数据并不仅仅局限于交通工具产生的数据&#xff0c;我们的日常生活中也会产生大量的数据。比如我们的手机…

前端 百度地图绘制路线加上图片

使用百度官方示例的方法根据起终点经纬度查询驾车路线但是只是一个线路 <template><div class"transportInfo"><div id"mapcontainer" class"map">11</div><div class"collapse"><el-collapse v-mo…

CA(证书颁发机构)

CA 根证书路径/csk-rootca/csk-ca.pem&#xff1b; ~ 签发数字证书&#xff0c;颁发者信息&#xff1a;(仅包含如下信息) C CN ST China L BeiJing O skills OU Operations Departments CN CSK Global Root CA 1.修改证书的路径以及相关配置 vi /etc/pki/tls/op…