提出问题(在做功能时遇到的):为什么,O(1)、O(n)的概念又是什么



Java中  Set 和 List 集合  的contains()方法,检查数组链表中是否包含某元素
检查数组链表中是否包含某元素,使用 Set 而不使用 List  的原因是效率问题,
 前者的 set.contains()方法 实现的复杂度是O(1)、 而后者 list.contains()方法 实现的复杂度是O(n)


List特点:

元素有放入顺序,元素可重复 ,

Set特点:

元素无放入顺序,元素不可重复(

注意:元素虽然无放入顺序,但是元素在set中的位置是有该元素的HashCode决定的,其位置其实是固定的)

附上二者contains()方法的区别对比:

​1、 Set的contains()方法:

HashSet的contains返回true,当且仅当equals返回true    ​

并且    ​hashCode返回相等的值 ;Set除了比较equals,还比较hashCode



2、List的contains()方法:

list.contains(o),系统会对list中的每个元素e调用o.equals(e),方法,加入list中有n个元素,那么会调用n次o.equals(e),

        只要有一次o.equals(e)返回了true,那么list.contains(o)返回true

算法时间复杂度的表示法O(n²)、O(n)、O(1)、O(nlogn)


简单理解: 就是变量为n的时候,算法需要对变量操作次数的量级。
简单解释:
   简单说O(n²)表示当n很大的时候,复杂度约等于Cn²,C是某个常数,简单说就是当n足够大的时候,n的线性增长,复杂度将沿平方增长。
   O(n)也是差不多的意思,也就是说n很大的时候复杂度约等于Cn,C是某个常数。
   O(1)就是说n很大的时候,复杂度基本就不增长了,基本就是个常量C。
举例解释:
要找到一个数组里面最大的一个数,你要把n个变量都扫描一遍,操作次数为n,那么算法复杂度是O(n).
用冒泡排序排一个数组,对于n个变量的数组,需要交换变量位置n^2 次,那么算法复杂度就是O(n^2 ).
有时候,如果对变量操作的次数是个多项式比如n^4+n^2+n, 就取数量级最大的那个,O(n^4)


《算法》第四版


本书中的解释,网上扒拉了一张图:


算法时间复杂度的表示法O(n²)、O(n)、O(1)、O(nlogn)等是什么意思?


时间复杂度这个东西,其实更准确点说应该是描述一个算法在问题规模不断增大时对应的时

间增长曲线。所以,这些增长数量级并不是一个准确的性能评价,可以理解为一个近似值,时间的增长近似于logN、NlogN的曲线。


算法时间复杂度的表示法O(n²)、O(n)、O(1)、O(nlogn)等是什么意思?

分类:

技术点:

相关文章: