您好,登錄后才能下訂單哦!
小編給大家分享一下java中什么情況下不能使用最壞情況評(píng)估算法的復(fù)雜度,相信大部分人都還不怎么了解,因此分享這篇文章給大家參考一下,希望大家閱讀完這篇文章后大有收獲,下面讓我們一起去了解一下吧!
動(dòng)態(tài)數(shù)組,對(duì)應(yīng)于Java中的ArrayList,在插入元素時(shí),分成兩種情況:
數(shù)組未滿,元素放在size下標(biāo)的位置即可;
數(shù)組滿了,需要擴(kuò)容,一般擴(kuò)容為N倍大小,Java里面是1.5倍,擴(kuò)容時(shí)需要?jiǎng)?chuàng)建一個(gè)新的數(shù)組,并把原來(lái)的元素一個(gè)一個(gè)地拷貝到新的數(shù)組中,再插入新的元素;
我簡(jiǎn)單地寫(xiě)一段代碼,你可以感受下:
public class DynamicArray { private int[] array; private int size; public DynamicArray(int capacity) { this.array = new int[capacity]; this.size = 0; } // 插入元素,時(shí)間復(fù)雜度為多少呢? public void add(int element) { // 判斷是否需要擴(kuò)容 if (size >= array.length) { int newCapacity = array.length + (array.length >> 1); int[] newArray = new int[newCapacity]; for (int i = 0; i < array.length; i++) { newArray[i] = array[i]; } this.array = newArray; } array[size++] = element; } public int[] getArray() { return array; } public static void main(String[] args) { DynamicArray dynamicArray = new DynamicArray(4); dynamicArray.add(1); dynamicArray.add(2); dynamicArray.add(3); dynamicArray.add(4); dynamicArray.add(5); dynamicArray.add(6); for (int element : dynamicArray.getArray()) { System.out.println(element); } } }
那么,對(duì)于動(dòng)態(tài)數(shù)組,它的插入元素方法的時(shí)間復(fù)雜度是多少呢?
按照上一節(jié)的說(shuō)法,按照最壞情況來(lái)評(píng)估,最壞情況是插入元素時(shí)正好數(shù)組滿了需要擴(kuò)容的時(shí)候,此時(shí),需要?jiǎng)?chuàng)建一個(gè)額外的數(shù)組,同時(shí)有一個(gè)遍歷原數(shù)組的過(guò)程。
所以,在最壞情況下,動(dòng)態(tài)數(shù)組插入元素的時(shí)間復(fù)雜度為O(n)。
但是,這樣合理嗎?
顯然是不合理的,我插入前面(n-1)個(gè)元素的時(shí)候,它的時(shí)間復(fù)雜度都是O(1),就只有插入第n個(gè)元素的時(shí)候它的時(shí)間復(fù)雜度才是O(n),所以,這樣來(lái)評(píng)估動(dòng)態(tài)數(shù)組插入元素的時(shí)間復(fù)雜度明顯不合理。
那么,如果我把第n個(gè)元素插入所需要的時(shí)間均攤到所有元素上會(huì)怎么樣呢?
這樣的話,前面每個(gè)元素的插入時(shí)間只需要加1,變成O(2),忽略常數(shù)項(xiàng),就還是O(1),這樣明顯是要合理一些。
這種方式跟計(jì)算平均時(shí)間復(fù)雜度有點(diǎn)類(lèi)似,但是,它不是平均時(shí)間復(fù)雜度,它有一個(gè)專門(mén)的名稱叫做均攤時(shí)間復(fù)雜度。
均攤時(shí)間復(fù)雜度,即對(duì)一批樣本中出現(xiàn)的個(gè)例情況,將它們耗費(fèi)的時(shí)間均攤到所有樣本上,算出來(lái)的一個(gè)時(shí)間復(fù)雜度。
你可以把它和平均時(shí)間復(fù)雜度對(duì)比一下:
平均時(shí)間復(fù)雜度的計(jì)算中沒(méi)有個(gè)例,所有樣本是同等看待的,想一下線性查找的過(guò)程;
均攤時(shí)間復(fù)雜度的計(jì)算中有個(gè)例,這種個(gè)例往往就是最壞的情況,想一下動(dòng)態(tài)數(shù)組插入元素的過(guò)程;
線性查找第n個(gè)元素不是個(gè)例,不能把它的時(shí)間均攤到所有元素上;
這兩個(gè)概念嚴(yán)格來(lái)說(shuō)是有區(qū)別的,如果無(wú)法理解,當(dāng)成一樣的也問(wèn)題不大,比如,這里如果按平均時(shí)間復(fù)雜度計(jì)算的話,結(jié)果為 (1+1+1+...+n)/n = (n-1+n)/n = (2n-1)/n=2-1/n,忽略常數(shù)項(xiàng)和低階項(xiàng),最終的結(jié)果也是O(1)。
好了,那么,我們?cè)賮?lái)看一下動(dòng)態(tài)數(shù)組插入元素時(shí)的額外空間復(fù)雜度。
是不是一樣的道理?數(shù)組未滿時(shí)額外空間復(fù)雜度為O(1),數(shù)組滿時(shí)額外空間復(fù)雜度為O(n),均攤一下變成O(1)。
所以,對(duì)于動(dòng)態(tài)數(shù)組插入元素的過(guò)程,它的均攤時(shí)間復(fù)雜度和均攤額外空間復(fù)雜度都是O(1)。
大家都知道經(jīng)典的快速排序的時(shí)間復(fù)雜度是O(nlogn),那么,它的最壞時(shí)間復(fù)雜度是不是也是O(nlogn)呢?
讓我們來(lái)看下面這個(gè)數(shù)組:
這是一個(gè)有序數(shù)組,如果此時(shí)用經(jīng)典快速排序來(lái)對(duì)其進(jìn)行排序會(huì)怎樣呢?
我們?nèi)∽钣疫叺脑貫檩S(Pivot),也就是12,將小于12的放在它的左邊,大于12的放在它的右邊,發(fā)現(xiàn)沒(méi)有比12大的,所以,右邊沒(méi)有元素,經(jīng)過(guò)此步,12的位置固定不變了。
接著,將12左右兩邊的元素再各取最右邊的元素為軸,12的右邊沒(méi)有元素,所以,只需要處理左邊就可以了,以10為軸,比10小的放在它的左邊,比10大的放在它的右邊,發(fā)現(xiàn)10的右邊也沒(méi)有元素(12已經(jīng)固定了),經(jīng)過(guò)此步,10的位置固定了。
同樣地,最后一步到1這里,排序完成。
讓我們來(lái)分析一下整個(gè)過(guò)程的復(fù)雜度:
第一步,需要遍歷(n-1)個(gè)元素;
第二步,需要遍歷(n-2)個(gè)元素;
...
最后一步,需要遍歷0個(gè)元素;
這種情況下的時(shí)間復(fù)雜度為:(n-1) + (n-2) + ... + 1 + 0 = (n-1)n/2 = n^2/2 - n/2,忽略常數(shù)項(xiàng)和低階項(xiàng),它的時(shí)間復(fù)雜度為O(n^2)。
所以,對(duì)于有序數(shù)組,使用經(jīng)典快速排序,它的時(shí)間復(fù)雜度為O(n^2),這也是最壞的情況。
但是,似乎從來(lái)沒(méi)有人告訴你,經(jīng)典快速排序的時(shí)間復(fù)雜度為O(n^2),而是O(nlog2),這是為什么呢?
那是因?yàn)橛行驍?shù)組相對(duì)于經(jīng)典快速排序,也是屬于個(gè)例,窮舉無(wú)限多的樣本之后,有序數(shù)組的可能性實(shí)在是太小,所以,我們一般說(shuō)經(jīng)典快速排序的時(shí)間復(fù)雜度為O(nlogn),而不是以最壞情況來(lái)評(píng)估它的時(shí)間復(fù)雜度。
以上是“java中什么情況下不能使用最壞情況評(píng)估算法的復(fù)雜度”這篇文章的所有內(nèi)容,感謝各位的閱讀!相信大家都有了一定的了解,希望分享的內(nèi)容對(duì)大家有所幫助,如果還想學(xué)習(xí)更多知識(shí),歡迎關(guān)注億速云行業(yè)資訊頻道!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。