學習數據結構Day2

以前學習過了數組的靜態實現方法，同時將數組的全部有可能實現的方法都統一實現了一遍，以後支持了泛型的相關

 

概念，接下來就是如何對數組進行擴容的操做也就是實現動態數組。

 

private void resize(int newcapacity){  E[] newdata = (E[]) new Object[newcapacity];  for (int i = 0; i < newcapacity; i++) {  newdata[i] = data[i];  }  data = newdata;  }

 

在此處，咱們寫了一個關於resize的操做，其原理就是對就數組容量的擴容，擴容其原來的二倍。

 

同理，咱們還能夠進行對刪除操做的優化，若是刪完數據後，數組的容量有一半可能是不用的空間，咱們就能夠進行刪

 

掉一半的操做。

 

 public E remove(int index) {  if (index < 0 || index > size) {  throw new IllegalArgumentException("require index >= 0 and index > size!");  }  E ret = data[index];  for (int i = index + 1; i < size; i++) {  data[i - 1] = data[i];  }  size--;  data[size] = null; // loitering Objects != memory leak  if(size == data.length / 2){  resize(data.length/2);  }  return ret;  }

 

注意代碼的第11,12行 進行了優化。

 

至此，咱們就把數組的動態的實現整理完畢了。

 

接下來，我簡單的描述一下時間複雜度的分析。

 

O(1) O(n) O(lgn) O(nlogn) O(n^2)

 

大O是描述的算法運行時間和輸入數據之間的關係。

 

O(n)中 n表示的是元素的個數  算法和n呈線性關係。

 

那麼O(n^2)則表示的是 成二次方的關係。

 

針對於不一樣的算法，咱們須要針對不一樣的變量進行變量控制，來肯定這個算法是不是最快的。

 

 

同理，刪除操做也是相應的時間複雜度。

 

在看完時間複雜度以後，咱們引入一個resize的時間複雜度分析。

 

對於添加的時間複雜度分析，咱們能夠看到，resize的時間複雜度分析是O（n），那麼咱們按最壞時間複雜度分析，

 

咱們就將添加的時間複雜度算爲O（n），可是並非每次添加元素咱們都要resize的 ，因此假設capacity = n,n+1次

 

addLast,觸發resize,總共進行2n+1次基本操做平均，每次addLast操做，進行兩次基本操做。這樣均攤計算，時間復

 

雜度是O(1)的！，同理removeLast()的時間複雜度也是O(1)的，可是，若是咱們綜合去看待這個方法時，就會出現問

 

題。在填滿數據後，我調用addLast()方法時，須要擴容，緊接着我又調用removeLast()方法，又開始縮容，一直這

 

樣下去，時間複雜度一直是O(n),這樣就產生了時間複雜度震盪。出現的緣由是：removeLast(）時，過於着急，咱們

 

可讓他懶惰一些，也就是說能夠在等到size  ==  capacity/4時，纔將capacity減半。

 

 

這樣，咱們本身寫完的動態數組就完成了！