之前学习过了数组的静态实现方法,同时将数组的所有有可能实现的方法都统一实现了一遍,之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作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,我们写了一个关于resize的操作,其原理就是对就数组容量的扩容,扩容其原来的二倍。
同理,我们还可以进行对删除操作的优化,如果删完数据后,数组的容量有一半多是不用的空间,我们就可以进行删
掉一半的操作。
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,我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。
针对于不同的算法,我们需要针对不同的变量进行变量控制,来确定这个算法是否是最快的。
同理,删除操作也是相应的时间复杂度。
在看完时间复杂度之后,我们引入一个resize的时间复杂度分析。
对于添加的时间复杂度分析,我们可以看到,resize的时间复杂度分析是O(n),那么我们按最坏时间复杂度分析,
我们就将添加的时间复杂度算为O(n),但是并不是每次添加元素我们都要resize的 ,所以假设capacity = n,n+1次
addLast,触发resize,总共进行2n+1次基本操作平均,每次addLast操作,进行两次基本操作。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,但是,如果我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,需要扩容,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。出现的原因是:removeLast()时,过于着急,我们
可以让他懒惰一些,也就是说可以在等到size == capacity/4时,才将capacity减半。
这样,我们自己写完的动态数组就完成了!