通常,对于一个给定的算法,我们要做 两项分析。第一是从数学上证明算法的正确性,这一步主要用到形式化证明的方法及相关推理模式,如循环不变式、数学归纳法等。而在证明算法是正确的基础上,第二步就是分析算法的时间复杂度。
度量一个程序的执行时间通常有两种方法:
一、事后统计的方法
二、事前分析估算的方法
在各种不同算法中,若算法中语句执行次数为一个常数,则时间复杂度为O(1),另外,在时间频度不相同时,时间复杂度有可能相同,如T(n)=n2+3n+4与T(n)=4n2+2n+1它们的频度不同,但时间复杂度相同,都为O(n2)。 按数量级递增排列,常见的时间复杂度有:常数阶O(1),对数阶O(log2n),线性阶O(n), 线性对数阶O(nlog2n),平方阶O(n2),立方阶O(n3),…, k次方阶O(nk),指数阶O(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。
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(2ⁿ)<Ο(n!)
属于交换排序,平均时间复杂度 Ο(n²)
public class BubbleSort {
public static void main(String[] args) {
int[] arr = new int[] { 5, 9, 6, 3, 4, 7, 1, 8, 2 };
System.out.println(Arrays.toString(arr));
bubbleSort(arr);
System.out.println(Arrays.toString(arr));
}
public static void bubbleSort(int[] arr) {
// 控制共比较多少轮
for (int i = 0; i < arr.length - 1; i++) {
// 控制比较的次数
for (int j = 0; j < arr.length - 1 - i; j++) {
if (arr[j] > arr[j + 1]) {
int temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
}
}
}
public class QuickSort {
public static void main(String[] args) {
int[] arr = new int[] { 5, 9, 6, 3, 4, 7, 1, 8, 2 };
System.out.println(Arrays.toString(arr));
quickSort(arr, 0, arr.length - 1);
System.out.println(Arrays.toString(arr));
}
public static void quickSort(int[] arr, int start, int end) {
// 记录排序所需的下标
int low = start;
int high = end;
if (low >= high) {
return;
}
// 将第一个数字作为标准数
int stard = arr[low];
while (low < high) {
// 右边的数字比标准数大
while (low < high && stard <= arr[high]) {
high--;
}
// 右边的数替换左边的数
arr[low] = arr[high];
// 左边的数字比标准数小
while (low < high && arr[low] <= stard) {
low++;
}
arr[high] = arr[low];
}
// 把标准数赋给low所在的位置的元素
arr[low] = stard;
quickSort(arr, start, low-1);
quickSort(arr, low + 1, end);
}
}
public class InsertSort {
public static void main(String[] args) {
int[] arr = new int[] { 5, 2, 1, 3, 4, 6, 9, 8, 7 };
System.out.println(Arrays.toString(arr));
insertSort(arr);
System.out.println(Arrays.toString(arr));
}
public static void insertSort(int[] arr) {
// 遍历所有数字
for (int i = 1; i < arr.length; i++) {
// 如果当前数字比前一个数字小
if (arr[i] < arr[i - 1]) {
// 把当前数字临时存起来
int temp = arr[i];
int j;
// 遍历当前数字前面所有的数字
for (j = i - 1; j >= 0 && temp < arr[j]; j--) {
// 把前一个数字赋给后一个数字
arr[j + 1] = arr[j];
}
// 把当前数字赋给不满足条件的最后一个元素
arr[j + 1] = temp;
}
}
}
}
public class ShellSort {
public static void main(String[] args) {
int[] arr = new int[] { 5, 9, 6, 8, 1, 4, 7, 2, 3 };
System.out.println(Arrays.toString(arr));
shellSort(arr);
System.out.println(Arrays.toString(arr));
}
public static void shellSort(int[] arr) {
// 遍历所有的步长
for (int d = arr.length / 2; d > 0; d /= 2) {
// 遍历所有的元素
for (int i = d; i < arr.length; i++) {
// 遍历本组中所有的元素
for (int j = i - d; j >= 0; j -= d) {
// 如果当前元素大于加上步长后的元素
if (arr[j] > arr[j + d]) {
int temp = arr[j];
arr[j] = arr[j + d];
arr[j + d] = temp;
}
}
}
}
}
}
public class SelectSort {
public static void main(String[] args) {
int[] arr = new int[] { 5, 9, 6, 8, 1, 4, 7, 2, 3 };
System.out.println(Arrays.toString(arr));
selectSort(arr);
System.out.println(Arrays.toString(arr));
}
public static void selectSort(int[] arr) {
for (int i = 0; i < arr.length; i++)
// 把当前遍历的数和后面的数一次进行比较,并记录下最小的数的下标
int minIndex = i;
for (int j = i + 1; j < arr.length; j++) {
// 如果后面有更小的数,记录下标
if (arr[minIndex] > arr[j]) {
minIndex = j;
}
}
if(minIndex != i){
int temp = arr[minIndex];
arr[minIndex] = arr[i];
arr[i] = temp;
}
}
}
}
属于选择排序,平均时间复杂度 O(nlog2n)
public class HeapSort {
public static void main(String[] args) {
int[] arr = new int[] { 9, 6, 8, 7, 10, 4, 2, 11,
52, 33, 77, 12, 32 };
System.out.println(Arrays.toString(arr));
heapSort(arr);
System.out.println(Arrays.toString(arr));
}
public static void heapSort(int[] arr) {
// 开始位置是最后的一个非叶子节点,即最后一个节点的父节点
int start = (arr.length - 2) / 2;
// 调整为大顶堆
for (int i = start; i >= 0; i--) {
maxHeap(arr, arr.length, i);
}
for (int i = arr.length - 1; i > 0; i--) {
int temp = arr[0];
arr[0] = arr[i];
arr[i] = temp;
maxHeap(arr, i, 0);
}
}
public static void maxHeap(int[] arr, int size, int index) {
// 左子节点
int leftNodeIndex = 2 * index + 1;
// 右子节点
int rightNodeIndex = 2 * index + 2;
int maxIndex = index;
// 和子节点比较找出最大节点
if (leftNodeIndex < size&&arr[leftNodeIndex] > arr[maxIndex]){
maxIndex = leftNodeIndex;
}
if (rightNodeIndex < size&&arr[rightNodeIndex] > arr[maxIndex]){
maxIndex = rightNodeIndex;
}
if (maxIndex == index) {
return;
}
int temp = arr[index];
arr[index] = arr[maxIndex];
arr[maxIndex] = temp;
// 交换位置之后,可能会破坏之前排好的堆,所以之前排好的堆需要调整
maxHeap(arr, size, maxIndex);
}
}
平均时间复杂度 O(nlog2n)
public class MergeSort {
public static void main(String[] args) {
int[] arr = new int[] { 5, 9, 6, 8, 1, 4, 7, 2, 3 };
System.out.println(Arrays.toString(arr));
mergeSort(arr, 0, arr.length - 1);
System.out.println(Arrays.toString(arr));
}
public static void mergeSort(int[] arr, int low, int high) {
if (low >= high) {
return;
}
int middle = (low + high) / 2;
// 处理左边
mergeSort(arr, low, middle);
// 处理右边
mergeSort(arr, middle + 1, high);
// 归并
merge(arr, low, middle, high);
}
public static void merge(int[] arr, int low, int middle, int high) {
// 用于存储归并后的临时数组
int[] temp = new int[high - low + 1];
// 记录第一个数组中需要遍历的下标
int i = low;
// 记录第二个数组中需要遍历的下标
int j = middle + 1;
// 临时数组存放的下标
int index = 0;
while (i <= middle && j <= high) {
//第一个数组更小
if (arr[i] <= arr[j]) {
//把小的放到临时数组中
temp[index] = arr[i];
i++;
} else {
temp[index] = arr[j];
j++;
}
index++;
}
while (i <= middle) {
temp[index] = arr[i];
i++;
index++;
}
while (j <= high) {
temp[index] = arr[j];
j++;
index++;
}
// 将临时数组中的数组替换到原数组
for (int k = 0; k < temp.length; k++) {
arr[low + k] = temp[k];
}
}
}
平均时间复杂度 O(d(r+n))
public class RedixSort {
public static void main(String[] args) {
int[] arr = new int[] { 15, 59, 676, 228, 21, 4,
47, 72, 93, 335, 26, 70 };
System.out.println(Arrays.toString(arr));
redixSort(arr);
System.out.println(Arrays.toString(arr));
}
public static void redixSort(int[] arr) {
// 得出数组中最大的数字
int max = Integer.MIN_VALUE;
for (int i = 0; i < arr.length; i++) {
if (arr[i] > max) {
max = arr[i];
}
}
// 计算最大数字是几位数
int maxLength = String.valueOf(max).length();
// 用于临时存储数据的数组
int[][] temp = new int[10][arr.length];
// 用于记录temp二维数组中存放数字的数量
int[] counts = new int[10];
// 根据最大长度的数决定比较的次数
for (int i = 0, n = 1; i < maxLength; i++, n *= 10) {
// 每个数字计算余数
for (int j = 0; j < arr.length; j++) {
// 计算余数
int remainder = arr[j] / n % 10;
// 把当前遍历的数据放入指定的数组
temp[remainder][counts[remainder]] = arr[j];
// counts记录数量
counts[remainder]++;
}
// 记录取的元素需要放的位置
int index = 0;
// 把数字取出来
for (int k = 0; k < counts.length; k++) {
// 记录数量的数组中记录不为0
if (counts[k] != 0) {
// 循环取出元素
for (int l = 0; l < counts[k]; l++) {
// 取出元素
arr[index++] = temp[k][l];
}
counts[k] = 0;
}
}
}
}
}