我已经读过某个地方，ArrayList的 add（）和 remove（）操作在“分摊的常量”时间内运行。这究竟意味着什么？
在 add（item）的实现中，我可以看到它ArrayList使用的数组缓冲区最多只有list't大小的3/2，如果它已满，<调用em> System.arraycopy（），它应该在O（n）中执行，而不是O（1）时间。那么System.arraycopy是否尝试做一些比将元素逐个复制到新创建的数组更聪明的事情，因为时间实际上是O（1）？
结论： add（item）以分摊的常量时间运行，但添加（项目，索引）和删除（索引） don' t，它们以线性时间运行（如答案中所述）。
答案 0 :(得分：7)
我已经读过某个地方，ArrayList的add（）和remove（）操作在“amortized constant”时间内运行。
除非在特殊条件下，我认为remove()不是这样。
remove(Object)对随机元素的调用平均需要在列表中的一半条目上调用equals，然后复制另一半的引用。
平均remove(int)调用一个随机元素必须复制一半元素的引用。
remove(...)平均O(1)（例如摊销）的唯一情况是当您使用remove(int)从列表末尾删除一些常量偏移的元素时。
答案 1 :(得分：3)
“摊销”大致意味着“在整个运行时间内平均”。是的，数组副本将是O（n）。但这只会在列表已满时发生，这种情况会发生在n次中。
答案 2 :(得分：0)
我认为，摊销的常数时间只是意味着如果你做大量的操作，它几乎是恒定的时间。因此，在一个测试中，一百万个项目列表，然后在另一个测试中添加两百万个项目到列表中。后者应比前者慢约2倍，因此，摊销时间不变。
答案 3 :(得分：0)
摊销的常数时间与常数时间不同。
基本上分摊的O（1）表示在n次操作中，任何操作的平均运行时间为O（1）。
对于数组列表，它的工作方式如下：
（O（1）insert + O（1）insert + ... + O（n）array copy）/ n operations = O（1）
答案 4 :(得分：0)
深入描述线程Constant Amortized Time
中的分摊常数的含义答案 5 :(得分：0)
摊销时间用简单的术语解释：
如果你做了一百万次的操作，你并不真正关心那个操作的最坏情况或最好的情况 - 你关心的是你重复操作时需要多少时间一百万次。
因此，如果操作偶尔非常缓慢并不重要，只要“偶尔”很少，以至于慢速被稀释掉。基本上摊还的时间意味着“如果你做很多操作，每次操作需要的平均时间”。摊销时间不必保持不变;你可以有线性和对数的摊销时间或其他任何东西。
让我们采用垫子的动态数组示例，您可以重复添加新项目。通常添加项目需要恒定的时间（即O（1））。但是每次数组都满了，你会分配两倍的空间，将数据复制到新区域，并释放旧空间。假设分配和释放在恒定时间内运行，这个放大过程需要O（n）时间，其中n是数组的当前大小。
所以每次放大时，你花费的时间大约是最后一次放大的两倍。但是你在做这件事之前也等了两倍！因此，每次放大的成本可以在插入中“展开”。这意味着从长远来看，将m个项目添加到数组所需的总时间为O（m），因此摊销时间（即每次插入的时间）为O（1）。