【数据结构与算法-java实现】二 复杂度分析（下）：最好、最坏、平均、均摊时间复杂度的概念
上一篇文章学习了：如何分析、统计算法的执行效率和资源消耗？ 点击链接查看上一篇文章：复杂度分析上
今天的文章学习以下内容：
- 最好情况时间复杂度
- 最坏情况时间复杂度
- 平均情况时间复杂度
- 均摊时间复杂度
1、最好与最坏情况时间复杂度
我们首先来看一段代码，利用上一篇文章学习的知识看看能否分析出它的时间复杂度。
// n 表示数组 array 的长度
int find(int[] array, int n, int x) {int i = 0;int pos = -1;for (; i < n; ++i) {if (array[i] == x) {pos = i;break;}}return pos;
}这段代码很简单：就是在一个数组中找到一个数X的下标，将其返回。
利用上一篇文章学习的大O表示法来分析时间复杂度的话，有一些问题。if循环中有一个breadk语句，当条件成立，得到下标值立马退出循环。那么时间复杂度，就不能笼统的说是O（n）。
因为当想要查找的数就在第一个位置时，时间复杂度实际上是O（1），当想要查找的数在最后一个位置的时候，时间复杂度是O（n）。那么这个时候，我们就需要引入几个新名词：最好情况时间复杂度，最坏情况时间复杂度。
很容易理解。
- 最好情况时间复杂度就是在最理想的情况下，执行代码需要的时间复杂度。就像上述代码，如果想要查找的数就是数组中的第一个位置，那么时间复杂度就是O（1），此时就是最好情况时间复杂度。
- 最坏情况时间复杂度是在最不理想的情况下，执行代码需要的时间复杂度。还是如上述代码，入股我们想要查找的数在数组的最后一个位置，那么时间复杂度就是O（n），此时就是最坏情况时间复杂度。
其实还有一种情况，就是我们想要查找的数不在第一个位置也不在最后一个位置的时候。此时的时间复杂度是多少呢？这种情况下叫做平均情况时间复杂度。
那么平均情况时间复杂度如何计算？它是多少呢？
2、平均情况时间复杂度
还是拿上面的代码做例子。
想要计算出它的平均情况时间复杂度，有两种方法，一种不严谨的感官上的方法，一种严格的概率上的方法。
- 不严谨的感官上的方法
我们知道，想要查找的数据x有两种情况的存在，一种是存在数组的0~n-1的某一个位置（n种可能），一种是不在这个数组中（1中可能，就是不在数组中）。这两种情况一共有n+1种可能。对于在数组中的n中可能中，每一种查找的次数分别是1,2,3,4…n。对于不在数组中的这种可能，查找次数是n。所以可以这么计算平均情况时间复杂度：
(1+2+3+...+n+n)/(n+1)=n(n+3)/2(n+1)
上一篇文章我们知道，利用大O表示法，，可以将计算结果的系数，低阶，常量去掉。那么上述的结果就是O（n）。
为什么说他不严谨呢？考虑以下情况。要找的数x存在于数组中与不存在于数组中的概率是否一样？x存在的话。它存在于数组中每个位置的概率是否一样？
很明显，上述方法没有考虑概率的问题。
- 概率的方法
现在假设，x出现在数组中与不出现在数组中的概率是相等的，都是1/2.同时假设x如果出现在数组中，则它存在数组中的每一个位置的概率都是一样的1/n。那么可以用如下方法计算平均情况时间复杂度。
（1×1n×12+2×1n×12+3×1n×12+...+n×1n×12+n×12）=3n+14（1 \times \frac{1}{n} \times \frac{1}{2}+2 \times \frac{1}{n} \times \frac{1}{2} +3 \times \frac{1}{n} \times \frac{1}{2} +...+n \times \frac{1}{n} \times \frac{1}{2} + n \times \frac{1}{2}）= \frac{3n+1}{4}（1×n1×21+2×n1×21+3×n1×21+...+n×n1×21+n×21）=43n+1
利用大O表示法来表示的话，依然是O（n）。这就是上面那段代码的平均情况时间复杂度。
一般情况下，我们只是用其中一种复杂度来分析问题就够了，不需要费力去求解三种时间复杂度。只有在时间复杂度有量级的差距时，才会在不同的情况下使用不同的时间复杂度。
3、均摊时间复杂度
上面学会了最好最坏与平均时间复杂度。还有一种时间复杂度叫做均摊时间复杂度。 为了理解均摊时间复杂度，我们先来看一个代码：
// array 表示一个长度为 n 的数组// 代码中的 array.length 就等于 nint[] array = new int[n];int count = 0;void insert(int val) {if (count == array.length) {int sum = 0;for (int i = 0; i < array.length; ++i) {sum = sum + array[i];}array[0] = sum;count = 1;}array[count] = val;++count;}上述代码的意思是：往数组中插入数据。当数组没有满的时候，直接在最后插入，当数组满的时候，先把数组的所有元素求和，然后清空数组，将求得的和放到数组的第一个位置，然后将要插入的数插到第二个位置（聪明的人已经发现它其实就是一个求输入流中所有数字的和，至于清空数组，这个只是将下标count从末尾挪到第二个位置，就可以认为是清空数组）。
利用上述的分析，我们可以求得：
- 最好情况时间复杂度：O（1），因为数组不满的时候直接插入，不用计算和。
- 最坏情况时间复杂度：O（n），因为此时数组满了，需要遍历一遍数组然后求和。
平均时间复杂度，还可以利用上述的概率分析法来计算。假设数组长度是n，往数组插入数据会有两种情况发生。数组没满时，插入的时间复杂度是O（1），且插入的位置有n种可能。数组满时，插入的时间复杂度是O（n），插入的位置只有一种可能。所以一共有n+1种可能插入的位置，且插入到它们位置的概率是一样的都是1/（n+1）。所以可以利用下面的方法计算平均情况时间复杂度：
（1×1n+1+2×1n+1+3×1n+1+...+n×1n+1+n×1n+1）=O（1）（1 \times \frac{1}{n+1}+2 \times \frac{1}{n+1} +3 \times \frac{1}{n+1} +...+n \times \frac{1}{n+1} + n \times \frac{1}{n+1}）= O（1）（1×n+11+2×n+11+3×n+11+...+n×n+11+n×n+11）=O（1）
所以
- 平均情况时间复杂度：O（1）
上述计算平均时间复杂度的方法，不管怎么样，还是有一些复杂。毕竟我们不是研究数学的。所以还是希望尽可能简单。
针对上面的两个代码例子，一个是find函数，一个是insert函数。看看他们有什么不同。find函数是最极端的情况下时间复杂度是O（1），大多数的情况下时间复杂度是O（n），而insert函数是大多数情况下的时间复杂度是O（1），只有极端的情况下时间复杂度是O（n）。
而且，对于insert函数，它的O（1）出现的是连续出现多次，然后出现一次O（n）时间复杂度。这具有一种时序关系。
针对这种情况，给出一种特殊的时间复杂度分析方法，均摊时间复杂度。可以通过摊还分析法，的带均摊时间复杂度。那么针对insert函数，如何通过摊还分析法来得到均摊时间复杂度呢？
首先，对于insert函数，大多是出现O（1）时间复杂度的，一共出现n次O（1）时间复杂度后，才出现一次O（n）时间复杂度。虽然O（n）时间复杂度消耗的时间比较多，但是O（1）时间复杂度出现的次数多，我们可以将O（n）消耗的时间，均摊给其他n个O（1）时间复杂度操作上的话，对于O（1）时间复杂度，也并不会有多大的影响，就好比，100个人共同抬100斤水泥，而另外又有一个人在抬100斤水泥，如果这个人把水泥平均分给那100人，那100人也才每个人多抬了一斤的水泥，这相比让那一个人抬100斤水泥，简直不要太轻松！！！。 所以，对于insert函数均摊时间复杂度为O（1）。这等于大多数情况下的时间复杂度。
综上：
- 均摊时间复杂度为：O（1）
由以上的分析，我们得出，大概在以下情况下可以使用摊还分析来分析均摊时间复杂度
对一个数据结构进行连续的操作，如果大多数情况下的时间复杂度比较低，只有极端情况下时间复杂度很高，而且这些操作在时序上存在前后连贯的关系。那么此时，就可以将比较耗时的那个操作，均摊给大多数低的时间复杂度的操作上。
而且，一般可以用均摊时间复杂度分析的情况，均摊时间复杂度就等于最好情况时间复杂度
4、总结
上面学习了四种时间复杂度的分析。但是一般来说，平均时间复杂度用的很少，均摊时间复杂度用的就更少。而且，均摊时间复杂度，实际上是一种特殊的平均时间复杂度。
所以不必纠结到底用什么复杂度来分析问题，根据实际问题需要实际分析。对于一段代码，如果它的时间复杂度在不同情况下量级不同，可以采用不同的方法进行对比分析。其中最好最坏时间复杂度比较好分析，平均时间复杂度与均摊时间复杂度比较难分析。
但是对于平均和均摊。他们实际是一个意思，都有平均的意思。当出现O（1）操作的多于O（n）操作的时候，平均和均摊时间复杂度就都是O（1）。 这是一种感觉。一般情况下，我们都可以感觉对，而不用实际的计算。
本文是自己学习极客时间专栏-数据结构与算法之美后的笔记总结。如有侵权请联系我删除文章。
学习探讨加个人（免费送技术书籍PDF电子书）：
qq：1126137994
微信：liu1126137994
【数据结构与算法-java实现】二 复杂度分析（下）：最好、最坏、平均、均摊时间复杂度的概念相关推荐
- 数据结构与算法Java（二）——字符串、矩阵压缩、递归、动态规划
不定期补充.修正.更新:欢迎大家讨论和指正 本文以数据结构(C语言版)第三版 李云清 杨庆红编著为主要参考资料,用Java来实现 数据结构与算法Java(一)--线性表 数据结构与算法Java(二)- ...
- 算法复杂度（(平均，最好，最坏，均摊)时间复杂度，空间复杂度）
文章目录 前言 时间&空间复杂度 时间复杂度 1.最好情况时间复杂度(best case time complexity) 2.最坏情况时间复杂度(worst case time comple ...
- 第3课：算法复杂度分析（下）：最好、最坏、平均、均摊时间复杂度
目录 最好.最坏时间复杂度 平均情况时间复杂度 均摊时间复杂度 小结 最好.最坏时间复杂度 我们先看一个例子: /*例1:查找x在数组中出现的位置,如果没有找到,返回-1.n表示数组array的长度 ...
- 04 | 复杂度分析（下）：浅析最好、最坏、平均、均摊时间复杂度
// n表示数组array的长度 int find(int[] array, int n, int x) {int i = 0;int pos = -1;for (; i < n; ++i) { ...
- 数据结构与算法-java笔记一 更新中
数据结构与算法-java笔记一 更新中 数据结构与算法 什么是数据结构.算法 数据结构学了有什么用: 线性结构 数组 特点 应用 链表 存储结构 链表类型 单链表 双向链表 双向循环链表 链表与数组的 ...
- 视频教程-内功修炼之数据结构与算法-Java
内功修炼之数据结构与算法 2018年以超过十倍的年业绩增长速度,从中高端IT技术在线教育行业中脱颖而出,成为在线教育领域一匹令人瞩目的黑马.咕泡学院以教学培养.职业规划为核心,旨在帮助学员提升技术技能 ...
- 02优先队列和索引优先队列-优先队列-数据结构和算法(Java)
文章目录 1 概述 1.1 需求 1.2 优先队列特点 1.3 优先队列分类 1.4 应用场景 1.5 相关延伸 2 说明 3 索引优先队列 3.1 实现思路 3.2 API设计 3.2 代码实现及简 ...
- 12_JavaScript数据结构与算法（十二）二叉树
JavaScript 数据结构与算法(十二)二叉树 二叉树 二叉树的概念 如果树中的每一个节点最多只能由两个子节点,这样的树就称为二叉树: 二叉树的组成 二叉树可以为空,也就是没有节点: 若二叉树不为 ...
- 二叉查找树(1)-二叉树-数据结构和算法(Java)
文章目录 1 前言 1.1 二叉查找树定义 1.2 二叉查找树的性质 2 基本实现 2.1 API 2.2 实现代码 2.2.1 数据表示 2.2.2 查找 2.2.3 插入 3 分析 4 有序性相关 ...
最新文章
- VMWare安装DOS系统实现文件共享
- python decode unicode encode
- cdh中hdfs非ha环境迁移Namenode与secondaryNamenode,从uc机器到阿里；
- Myeclipse学习总结（3）——Myeclipse中的代码格式化、注释模板及保存时自动格式化
- linux下查看网卡信息的命令
- 爬虫python下载视频_利用python爬虫通过m3u8文件下载ts视频
- 如何破解CuteFTP 4.0,CuteFTP,逆向工程技术
- 硬盘分区调整：分区助手专业版易我分区大师专业版软件下载
- 决赛巅峰之战落幕，第二届翼支付杯大数据建模大赛完美收官
- 最近弄魔窗SDK踩过的坑
- 云主机被挖矿解决方法
- 美团外卖饿了么竞品分析：共生存？还是你死我亡？
- Java JDK安装及环境变量配置（windows）
- html5基础知识点
- 依据Nvidia RTX2080TI算力来分析自动驾驶算力需求
- 广读精思：科学新闻那些事
- pyecharts调整X轴 以及在X轴可拖动
- MongoDB 聚合管道
- 文本和盒子的水平 垂直居中 (18种方法)
- 强生医疗中国客户物流新仓库在苏州启用；世茂喜达新签16家酒店项目 | 美通社头条...