如何從最壞、平均、最好的情況分析復雜度?


file

本篇文章收錄於專輯:http://dwz.win/HjK

前言

你好,我是彤哥,一個每天爬二十六層樓還不忘讀源碼的硬核男人。

上一節,我們從事后統計法過渡到漸近分析法,詳細講解了如何進行算法的復雜度分析。

但是,如果遵循嚴格的漸近分析法,需要掌握大量數學知識,這無疑給我們評估算法的優劣帶來了很大的挑戰。

那么,有沒有更好地評估算法的方法呢?

答案是必然的,本節,我們就從最壞、平均、最好三種情況來分析分析復雜度。

案例

為了便於講解,我寫了一個小例子:

public class LinearSearch {
    public static void main(String[] args) {
        int[] array = new int[]{1, 8, 9, 3, 5, 6, 10, 13};
        int index = search(array, 10);
        System.out.println("index=" + index);
    }

    private static int search(int[] array, int value) {
        for (int i = 0; i < array.length; i++) {
            if (array[i] == value) {
                return i;
            }
        }
        return -1;
    }
}

這個例子使用線性搜索從一個數組中查找一個元素,這個元素有可能存在,也有可能不存在於數組中。

最壞情況

在最壞情況下,要查找的元素不存在於數組中,此時,它的時間復雜度是多少呢?

很簡單,必然需要遍歷完所有元素才會發現要查找的元素不存在於數組中。

所以,最壞情況下,使用線性查找的時間復雜度為O(n)。

平均情況

在平均情況下,我們要照顧到每一個元素,此時,它的時間復雜度如何計算呢?

在上一節,我們已經講過計算方式了,不過,這里考慮到有元素不存在於數組中,所以,是(n+1)種可能:

1*1/(n+1) + 2*/(n+1) + ... + n*1/(n+1) + (n+1)/(n+1) = 1/(n+1) * (n+1)(n+2)/2 = (n+2)/2

所以,在平均情況下,忽略掉常數項,使用線性查找的時間復雜度也是O(n)。

為什么要忽略掉常數項?

當n趨向於無窮大的時候,常數項的意義不是很大,所以,可以忽略,比如(n+2)/2=n/2 + 1,n本身已經趨向於無窮大,加不加1有什么意義呢,n的倍數是2還是1/2並不會有明顯的差別。

同樣地,低階項一般也會抹掉,比如2n^2 + 3n + 1,當n趨向於無窮大的時候,n^2的值是遠遠大於3n的,所以,不需要保留3n。

所以,計算復雜度時通常都會把常數項和低階項抹掉,只保留高階項。

最好情況

最好情況是什么呢?

如果我們要查找的元素正好是數組的第一個元素,查找一次就找到了,這無疑是最好的情況。

所以,在最好情況下,使用線性查找的時間復雜度是O(1)。

小結

通過上面的分析,可以看到,最壞情況和最好情況是比較好評估的,而平均情況則比較難以計算。

但是,最好情況又不能代表大多數樣本,且平均情況與最壞情況在省略常數項的情況下往往是比較接近的。

所以,通常,我們使用最壞情況來評估算法的時間復雜度,這也是比較簡單的一種評估方法,且往往也是比較准確的。

后記

本節,我們從最壞、平均、最好三種情況分析了線性查找的時間復雜度,經過詳細地分析,我們得出結論,通常使用最壞情況來評估算法的時間復雜度。

請注意,我們這里使用了“通常”,說明有些情況是不能使用最壞情況來評估算法的時間復雜度的。

那么,你知道什么情況下不能使用最壞情況來評估算法的時間復雜度嗎?

下一節,我們接着聊。

關注公眾號“彤哥讀源碼”,解鎖更多源碼、基礎、架構知識!


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM