1.事后分析估算方法
拿一个计时器统计时间。
public static void main(String[] args){
long start = System.currentTimeMillis();
int sum = 0;
int n = 100;
for(int i =1;i<=n;i++){
sum+=i;
}
System.out.println("sum+" + sum);
long end = System.curremTimeMillis();
}
2.事前分析估算方法
高级语言编程在计算机上消耗取决于:
- 算法采用的逻辑策略和方案;
- 编译产生的代码质量;
- 问题的输入规模
- 机器执行指令的速度
计算1到100的和:
第一种解法:
public static void main(String[] args){
int sum = 0;
for(int i =1; i<=100 ; i++){
sum +=i;
}
}
第二种解法:
public static void main(String[] args){
int sum = 0
int n = 100;
sum = (1+n)*n/2;
}
3.算法函数中的n最高次幂越小,算法的效率越高。
算法随着规模增长,可以有:
1.算法函数中常数可忽略
2.算法函数中最高次幂的常数因子可以忽略;
3.算法函数最高次幂越小,算法效率越高。
4.大O计法
T(n) = O(f(n))
算法一:
public static void main(String[] args){
int sum = 0 //执行一次
int n = 100; //执行一次
sum = (1+n)*n/2; //执行一次
}
算法二:
public static void main(String[] args){
int sum = 0;//执行1次
int n = 100;//1次
for(int i =1; i<=100 ; i++){
sum +=i; //执行n次
}
}
算法三:
public static void main(String[] args){
int sum = 0;//1次
int n =100;//1次
for(int i =1; i<=100 ; i++){
for(int j = 1 ; j<=100;j++){
sum +=i;//n^2次
}
}
}
算法1:3次
算法2:n+3次
算法3:n^2+2次
大O算法规则:
1.用常数1取代运行时间中所有的加法常数;
2.修改运行次数后,只保留高阶项
3.如果高阶项存在,且常数因子不为一,去除这个项相乘的常数
所以算法1:O(1);
算法2:O(n)
算法3:O(n^2)
常见的大O阶时间复杂度:
1.线性阶:非嵌套循环。随着输入规模的增大,对应计算次数直线增长。O(n)
2.平方阶:嵌套循环。for套一个for。O(n^2)
3.立方阶:三层嵌套。for套一个for再套一个for。O(n^3)
4.对数阶:
int i = 1,n=100;
while(i<n){
i=i*2;
}
x个2相乘=n;得到x=log(2)n , 则时间复杂度为O(logn)
5.常数阶:
int n=100;
int i=n+2;
时间复杂度O(1)
复杂度依次高低:O(1)<O(logn)<O(n)<O(nlogn)<O(n ^ 2) < O(n^3)