Question

我试图找出这两种方法之间时间复杂度的差异：

public ArrayList<Integer> populateList(int n){
  ArrayList<Integer> list = new ArrayList<Integer>();
  for(int i=0; i< n; i++)
     list.add(0, i);
     return list;
  }

public ArrayList<Integer> populateList(int n){
  ArrayList<Integer> list = new ArrayList<Integer>();
  for(int i=0; i< n; i++)
    list.add(i);
    return list;
  }

据我所知，big-o是根据最坏情况定义的，最糟糕的情况是添加到arraylist包括调整大小，从而将所有元素复制到一个新数组中。我认为方法2将是O（n ^ 2），因为对于数组中的每个元素，您可能必须将所有元素复制到更大的数组中。

但我不确定方法1，因为我不确定事情的顺序。似乎复制元素和插入新元素可以组合在一起，这样您就不必首先将旧元素添加到更大的列表中，然后在添加新元素时根据需要移动所有元素。如果是这种情况，似乎方法1是O（n ^ 2）而不是O（n ^ 3）。但这是怎么回事？

Answer 1

ArrayList由数组支持。如果你＆＃34;插入＆＃34;在数组头部的元素，你必须将所有其他元素向右移动一个以腾出空间。这意味着单次调用：

list.add(0, i);

是O(n)，因为必须移动每个元素（已添加）如果您n次执行此操作，则O(n^2)。

但是在（支持）数组的末尾添加一个元素：

list.add(i);

只需要在数组的未使用元素中放置一个值，即O(1)，除非数组已满，另一个更大的数组需要分配和复制到O(n)，但是随着阵列的增长，频率不断下降，特别是O(log n)。

如果您执行O(1)的操作，O(n)除了log n次n次，O(n log n)次，sex。

Answer 2

方法1是O（n ^ 2）

方法2比O（n ^ 2）好得多：存储数据的内部数组分配有一些自由空间，内部数组增长是指数级的，因此n个元素的迭代很少发生。由于您最后追加，因此没有其他理由在每一步迭代所有元素。

Arraylist时间复杂度：您是否同时根据需要复制和移动元素？

2 个答案: