如果各位同学还对时间复杂度有疑问？看这一篇就可以啦！

🎇🎇🎇作者：
@小鱼不会骑车
🎆🎆🎆专栏：
《java练级之旅》
🎓🎓🎓个人简介：
一名专科大一在读的小比特，努力学习编程是我唯一的出路😎😎😎

今天小鱼讲到的是关于时间复杂度和空间复杂度的理解。

时间复杂度

前言

我们来举个例子！
假如我们有A,B两台电脑，A电脑的执行速度是1000次/s,B电脑的执行速度是1次/s,假如两台电脑都执行相同的代码，那么是不是我的A电脑会更快的完成任务。

答案是：对的！

但是我们改变一下条件，假设两台电脑需要完成一个查找数组中指定元素的任务，A电脑中的代码每次可以遍历1个元素，B电脑中的代码每次可以遍历100个元素。那么大家认为这两台电脑哪一个会更快的完成任务？

通过这个图表我们就可以看出，当运行到10秒时，我们的B对元素遍历的次数已经和A持平了，再往后面我们的B的遍历次数更是远超A.

于是我们可以通过上图的对比看出，哪怕是电脑的性能很好很优良，但是却还依然跑不过B，这就体现到了代码运行效率的重要性！

时间复杂的讲解

上面举得例子只是为了让大家知道代码运行效率的重要性，下面才是真正的讲解如何计算代码的运行效率！

大家看这段代码！

   public static void main(String[] args) {
        int n=100;
        while ((n)!=0) {
            n--;
        }
    }
1
2
3
4
5
6

大家认为这段代码会运行多久？

可能就会有同学回答说：这个要放计算机上跑跑才知道吧…

那我如果将n改为10000呢？需要运行多久啊？

同学：这个…要不再测试一次？

其实呀，我们并不能精准的测量出程序运行的时间，有的计算机的运行速度会快一些，有的则会慢一些…于是呢，就有人提出了用计算机的语句的执行次数来当作计算机的时间效率，而不是运行的时间。

我们来算算上述的代码执行了多少次

为了方便讨论，这里我们把每一条语句的执行时间都看做是一样的，记为一个时间单元

由于黄色的最后还需要判断一次，所以需要n+1个时间单元 !

那么我们就可以计算出这个程序的语句执行了多少次，我们可以用函数来表达：y=n+n+1+1,化简就是：y=2n+2;函数图像就是

所以，如果要预测程序运行的时间我们可以把运行时间函数求出来。

可是如果光看这个函数还是有些复杂啊！

其实呀，我们平时都会对这些函数进行简化的，使得它既简单又没有失去函数得主要特性。

咦？那怎么简化啊？

如何简化时间复杂度

对于时间复杂度来说，我们比较关心的就是影响最终结果的最高次项。

比如说：T(n)=2n+2, 当n非常大的时候常数2和n的系数2对函数结果的影响就很小了
例如：

T(n)=n+1 忽略常数项 T(n)~n

T(n)=n+n^2 忽略低阶项 T(n)~n^2

T(n)=3n 忽略最高阶的系数 T(n)~n

所谓低阶项就是当n很大时，该项对于这个数的影响很小，比如n相对于n^2来说，n就是低阶项！

对此呢，我们有一个比较的关系，不同项进行比较只保留最高阶项，比较关系如下

化简后的函数可以代表原函数的总体趋势，并且简化后的式子就可以称为这个算法的时间复杂度，记作O(f(n)),其中f(n)是简化后的式子，例如刚才的T(n)=2*n+2,简化后为T(n)~ f(n) ~ n,所以我们也可以记作O(n).

更准确地说O代表了运行时间函数的一个渐进上界，即T(n)在数量级上小于等于f(n)

那我们如何计算时间复杂度呢？

时间复杂度的计算

经过了前面的两个小部分的讲解，我们也可以总结出：计算算法复杂度大O的方法

一.得出运行时间的函数
二.对该函数进行简化

1.用常数1取代运行时间中所有加法常数
2.修改后的函数只保留最高阶项
3.如果最高阶项存在，并且不是1，则忽略这个最高项数的系数

举个例子，看下面代码：

我们可以看出，T(n)=5,我们可以对这个函数进行简化，将他的常数项用1来取代,又因为该函数没有最高阶项，所以他的时间复杂度就是O(1)。

O(1)也被称为常数阶

当然啦，如果我们一个一个去数语句再去计算函数是很麻烦的，有没有简便一些的方法吗？

其实是可以偷偷懒的，一般来说程序最内层执行次数最多的语句就决定了整个函数的趋势。

我们只需要找到最内层语句执行次数的规律就行！所以我们就可以清楚的得出上面的时间复杂度是O(n).

并且呢，我们也可以根据这个方法得出下面这个代码的时间复杂度O(n^2)
.

如果还有人不太理解这个O(n^2)这个时间复杂度的意思，我给大家用数学的角度来算一下！

所以我们可以理解为上述的代码的时间复杂度为O(n^2)

下面再来介绍最后一个比较牛 * 的时间复杂度O(log2N)，读作log以2为底N的对数。
怎么个牛 * 法呢？二分查找大家都知道吧，在一个有序数组里查找指定的元素，如果我们用从前往后遍历的方式来查找，我们用这个世界的人口举例

我们简单认为是76亿人，所以我们假设这个数组是76亿个元素，如果我们想从这76亿个元素中查找到一个指定的元素，那么最坏的情况就是查找76亿次，多么庞大的次数啊。
但是！假设这是一个有序数组，该数组有76亿个元素，大家猜猜我们需要查找多少次？
答案是我们只需要查找33次，就可以找到这个要被查找的元素，牛不牛！
我们再来看看O(logN)的函数图像

上下图对比，它随着自变量的增大，因变量增长的很慢很慢！

	int a=1;
    while (a<=n) {
       a*=2;
   }
1
2
3
4

这段代码的复杂度就是对数级别的，O(logn)。
怎么计算它的时间复杂度呢？

复杂度的内容好多，会一直伴随着我们学习数据结构与算法，所以我们现在只需呀简单理解复杂的的含义就行！

---