Java数据结构和算法之排序算法介绍与时间复杂度
排序算法
排序也称排序算法(Sort Algorithm),排序是将一组数据,依指定的顺序进行排列的过程。
排序分类
内部排序
指将需要处理的所有数据都加载到内部存储器中进行排序。
外部排序
数据量过大,无法全部加载到内存中,需要借助外部存储进行排序。
常见排序算法分类(如图所示)
算法的时间复杂度
度量一个程序(算法)执行时间的两种方法
- 事后统计的方法
这种方法可行,但是有两个问题:一是要想对设计的算法的运行性能进行评测,需要实际运行该程序;二是所得时间的统计量依赖计算机的硬件、软件等环境因素,这种方式,要在同一台计算机的相同状态下运行,才能比较哪个算法速度更快。 - 事前估算的方法
通过分析某个算法的时间复杂度来判断哪个算法更优。
时间频度
一个算法花费的时间与算法中语句的执行次数成正比,哪个算法中语句执行次数多,它花费时间就多。一个算法中语句执行次数称为语句频度或时间频度。记为T(n)。
-
举例说明-----基本案例
比如计算1-100所有数字之和,设计两种算法:
-
举例说明-----忽略常数项
-
举例说明-----忽略低次项
-
举例说明-----忽略系数
时间复杂度
一般情况下,算法中的基本操作语句的重复执行次数是问题规模n的某个函数,用T(n)表示,若有某个辅助函数f(n),使得当n趋近于无穷大时,T(n) / f(n) 的极限值为不等于零的常数,则称f(n)是T(n)的同数量级函数。记作 T(n)=O( f(n) ),称O( f(n) ) 为算法的渐进时间复杂度,简称时间复杂度。
T(n) 不同,但时间复杂度可能相同。 如:T(n)=n²+7n+6 与T(n)=3n²+2n+2 它们的T(n) 不同,但时间复杂度相同,都为O(n²)。
计算时间复杂度的方法:
- 用常数1代替运行时间中的所有加法常数 T(n)=n²+7n+6 => T(n)=n²+7n+1
- 修改后的运行次数函数中,只保留最高阶项 T(n)=n²+7n+1 => T(n) = n²
- 去除最高阶项的系数 T(n) = n² => T(n) = n² => O(n²)
常见时间复杂度
1)常数阶O(1)
2)对数阶O(log2n)
3)线性阶O(n)
4)线性对数阶O(nlog2n)
5)平方阶O(n^2)
6)立方阶O(n^3)
7)k次方阶O(n^k)
8)指数阶O(2^n)
图示:
说明:
1)常见的算法时间复杂度由小到大依次为:Ο(1)<Ο(log2n)<Ο(n)<Ο(nlog2n)<Ο(n2)<Ο(n3)< Ο(nk) <Ο(2n) ,随着问题规模n的不断增大,上述时间复杂度不断增大,算法的执行效率越低
2)从图中可见,我们应该尽可能避免使用指数阶的算法
无论代码执行了多少行,只要是没有循环等复杂结构,那这个代码的时间复杂度就都是O(1)
int i = 1; int j = 2; ++i; j++; int m = i + j;
上述代码在执行的时候,它消耗的时候并不随着某个变量的增长而增长,那么无论这类代码有多长,即使有几万几十万行,都可以用O(1)来表示它的时间复杂度。
对数阶O(log2n)int i = 1; while(i < n){ i = i * 2; }
说明:在while循环里面,每次都将 i 乘以 2,乘完之后,i 距离 n 就越来越近了。假设循环x次之后,i 就大于 2 了,此时这个循环就退出了,也就是说 2 的 x 次方等于 n,那么 x = log2n也就是说当循环 log2n 次以后,这个代码就结束了。因此这个代码的时间复杂度为:O(log2n) 。 O(log2n) 的这个2 时间上是根据代码变化的,i = i * 3 ,则是 O(log3n) .
线性阶O(n)for(int i = 1; i <= n; ++i){ j = i; j++; }
说明:这段代码,for循环里面的代码会执行n遍,因此它消耗的时间是随着n的变化而变化的,因此这类代码都可以用O(n)来表示它的时间复杂度
线性对数阶O(nlogN)for(int m = 1; m < n; m++){ i = 1; while(i < n){ i = i * 2; } }
说明:线性对数阶O(nlogN) 其实非常容易理解,将时间复杂度为O(logn)的代码循环N遍的话,那么它的时间复杂度就是 n * O(logN),也就是了O(nlogN)
平方阶O(n²)for(int i = 1; i < n; i++){ for(int j = 1; j < n; j++){ int sum = i + j; } }
说明:平方阶O(n²) 就更容易理解了,如果把 O(n) 的代码再嵌套循环一遍,它的时间复杂度就是 O(n²),这段代码其实就是嵌套了2层n循环,它的时间复杂度就是 O(n * n),即 O(n²) 如果将其中一层循环的n改成m,那它的时间复杂度就变成了 O(m * n)
空间复杂度
基本介绍
- 类似于时间复杂度的讨论,一个算法的空间复杂度(Space Complexity)定义为该算法所耗费的存储空间,它也是问题规模n的函数。
- 空间复杂度(SpaceComplexity)是对一个算法在运行过程中临时占用存储空间大小的量度。有的算法需要占用的临时工作单元数与解决问题的规模n有关,它随着n的增大而增大,当n较大时,将占用较多的存储单元,例如快速排序和归并排序算法就属于这种情况
- 在做算法分析时,主要讨论的是时间复杂度。从用户使用体验上看,更看重的程序执行的速度。一些缓存产品(redis, memcache)和算法(基数排序)本质就是用空间换时间.
- JAVA数据结构和算法:第一章(时间复杂度和空间复杂度)
- n个无序整数,已知第i个数在排好序的序列中的位置为j,满足|i-j|<=K,请设计一种排序算法,对该序列进行排序。注:算法时间复杂度为O(nlgn)的得0分,复杂度为O(nk) 的得两分,总分是20分
- 算法 排序算法之时间复杂度和空间复杂度
- 排序算法的C语言实现以及各个算法的时间复杂度和空间复杂度分析(冒泡排序)
- 排序算法分类和算法时间复杂度比较
- 算法学习之一 —— 七种排序算法及其时间复杂度
- 常用排序算法的时间和空间复杂度及算法时间复杂度的简单计算
- 各种排序算法的时间复杂度
- 算法的时间复杂度和空间复杂度-总结
- 各种排序算法的时间复杂度
- 算法的时间复杂度【待更】
- 基础知识——算法复杂度 时间复杂度,空间复杂度简介
- 排序算法之 冒泡排序 及其时间复杂度和空间复杂度
- 算法时间复杂度的计算 [整理]
- 各种排序算法的特点,时间复杂度,稳定性等
- 算法分析之时间复杂度与空 4000 间复杂度
- 第4课 - 程序灵魂的审判,第5课 - 算法的时间复杂度,第6课 - 算法效率的度量
- 数据结构第二周项目3(1)--体验复杂度之两种排序算法的运行时间
- 排序算法的时间复杂度和空间复杂度
- java常用三种排序算法---(插入,冒泡,顺序)及其时间复杂度