复杂度分析：表示算法的性能
示例：线性查找
private LinearSearch(){}
public static <E> int search(E[] data, E target){
for (int i = 0; i <data.length; i++) {
if (data[i].equals(target))
{
return i;
}
}
return -1;
}
T：时间
通常看最差的情况 算法运行的上届
n = data.length
复杂度也可以理解为执行操作的次数
1:T=n（总体是对数组扫描一次，最差的情况，对Data数组全部扫描一遍）
2:T=2n (在if语句还要每一个都判断一次)
3:T=3n (在 if (data[i].equals(target))中，这个data[i]相当于在data数组中寻址也算一部操作)
4:T=4n（for循环中判断i是否小于data.length,又算一次操作）
5:T=5n（每一步都有一个i++操作）
6:T=5n+3 (在初始的赋值i=1,还有两个return，他们一共算三次所以加三，前面的操作都是执行n次的）
所以最终出来了统一解法：O（n）
T = c1*n+c2
常数不重要，复杂度描述的是随着数据规模n的增大。算法性能的变化趋势
也就是n会无限放大
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
文章由极客之音整理，本文链接：https://www.bmabk.com/index.php/post/81104.html
