学习数据结构Day2

以前学习过了数组的静态实现方法，同时将数组的全部有可能实现的方法都统一实现了一遍，以后支持了泛型的相关

 

概念，接下来就是如何对数组进行扩容的操做也就是实现动态数组。

 

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

 

在此处，咱们写了一个关于resize的操做，其原理就是对就数组容量的扩容，扩容其原来的二倍。

 

同理，咱们还能够进行对删除操做的优化，若是删完数据后，数组的容量有一半可能是不用的空间，咱们就能够进行删

 

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;  }

 

注意代码的第11,12行 进行了优化。

 

至此，咱们就把数组的动态的实现整理完毕了。

 

接下来，我简单的描述一下时间复杂度的分析。

 

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

 

大O是描述的算法运行时间和输入数据之间的关系。

 

O(n)中 n表示的是元素的个数  算法和n呈线性关系。

 

那么O(n^2)则表示的是 成二次方的关系。

 

针对于不一样的算法，咱们须要针对不一样的变量进行变量控制，来肯定这个算法是不是最快的。

 

 

同理，删除操做也是相应的时间复杂度。

 

在看完时间复杂度以后，咱们引入一个resize的时间复杂度分析。

 

对于添加的时间复杂度分析，咱们能够看到，resize的时间复杂度分析是O（n），那么咱们按最坏时间复杂度分析，

 

咱们就将添加的时间复杂度算为O（n），可是并非每次添加元素咱们都要resize的 ，因此假设capacity = n,n+1次

 

addLast,触发resize,总共进行2n+1次基本操做平均，每次addLast操做，进行两次基本操做。这样均摊计算，时间复

 

杂度是O(1)的！，同理removeLast()的时间复杂度也是O(1)的，可是，若是咱们综合去看待这个方法时，就会出现问

 

题。在填满数据后，我调用addLast()方法时，须要扩容，紧接着我又调用removeLast()方法，又开始缩容，一直这

 

样下去，时间复杂度一直是O(n),这样就产生了时间复杂度震荡。出现的缘由是：removeLast(）时，过于着急，咱们

 

可让他懒惰一些，也就是说能够在等到size  ==  capacity/4时，才将capacity减半。

 

 

这样，咱们本身写完的动态数组就完成了！