Java 向ArrayList后面添加大量新项的时间复杂性

将like

100000

元素添加到使用默认大小创建的ArrayList的末尾会有多复杂

好的，在

ArrayList

的末尾添加一个元素将

变成O（1）

，但是在末尾添加像

100000这样的元素会有多复杂呢

我原以为是
O（n）
，但有人说应该是
O（n^2）
。
什么是正确的，为什么是正确的？
ArrayList
Javadoc声明：

添加操作在摊销的固定时间内运行，即添加n个元素需要O（n）个时间

如果有人提出相反的观点，他们最好有充分的理由反驳Java创建者，但就目前的问题而言，没有什么可以反驳的，因为没有提出任何论据。（“有些人说”不是很权威…。
ArrayList
Javadoc声明：

添加操作在摊销的固定时间内运行，即添加n个元素需要O（n）个时间

如果有人提出相反的观点，他们最好有充分的理由反驳Java创建者，但就目前的问题而言，没有什么可以反驳的，因为没有提出任何论据。（“有些人说”不是很权威…。
影响O（n）之外插入的唯一因素是容量增长。增长有多快？如果您逐个插入元素，则容量不会在每次插入时进行调整，但实际上很少进行调整。你为了效率而牺牲空间。因此，如果通过插入另一个元素，您达到了容量限制，它将大约增加1.5倍（在Sun实现中）。如果从10开始，您需要对100K元素进行多少这样的调整？大约25。。。在这25次调整中，只有最后两次调整的大小与N相当，因此，如果系数不变，则为O（N）

但是，您没有指定如何插入这些项目。您可以预先设置容纳100K元素的容量，或者使用
addAll
，我希望您也可以这样做。仍然是O（N）
影响O（N）之外插入的唯一因素是容量增长。增长有多快？如果您逐个插入元素，则容量不会在每次插入时进行调整，但实际上很少进行调整。你为了效率而牺牲空间。因此，如果通过插入另一个元素，您达到了容量限制，它将大约增加1.5倍（在Sun实现中）。如果从10开始，您需要对100K元素进行多少这样的调整？大约25。。。在这25次调整中，只有最后两次调整的大小与N相当，因此，如果系数不变，则为O（N）

但是，您没有指定如何插入这些项目。您可以预先设置容纳100K元素的容量，或者使用
addAll
，我希望您也可以这样做。仍然是O（N）
显然，这将取决于ArrayList的实现（它何时增长/多久增长一次/增长到多少）。它增长得越多，Java中默认ArrayList的复杂性就越接近O（n）@Kon 100000个元素。新的ArrayList（）；谁说是O（n^2）？你可以问他们在想什么。他们可能以为你说了
LinkedList
@DavidWallace当我遇到这个人时一定会问）@DavidWallace
LinkedList
在Java中是一个双链接列表，引用最后一个元素和第一个元素。向其末尾添加元素是一个固定的时间（因此它需要费心实现
Deque
），显然它将取决于ArrayList的实现（它何时增长/增长的频率/增长到多少）。它增长得越多，Java中默认ArrayList的复杂性就越接近O（n）@Kon 100000个元素。新的ArrayList（）；谁说是O（n^2）？你可以问他们在想什么。他们可能以为你说了
LinkedList
@DavidWallace当我遇到这个人时一定会问）@DavidWallace
LinkedList
在Java中是一个双链接列表，引用最后一个元素和第一个元素。将元素添加到它的末尾是恒定时间（因此它费心实现
Deque
）答案是正确的，但论据却不是。正如您现在的回答所示：“您需要O（log（n））调整大小和O（n）恒定时间加法，所以总O（n）”。但是，调整大小需要时间，容量是线性的。因此，这个参数的实际结果是O（n*log（n））。您缺少了一个关键部分，即随着调整大小开始花费更多的时间，它们的发生频率也会降低。等等，等等。它是O（n），与是否预设容量无关。问题是将有日志（n）大小调整，它们将采取2，2^2，2^3。。。2^log（n）-1次（假设加倍以便于格式化）。只有最后一次调整需要n的一半时间，其他的要小得多，这是关键部分。如果你对它们求和，你会得到sum（i=0..log（n）-1，2^i）=>n。让我考虑一下这一点。你是对的，只是最后两次调整的大小与n的总数相当，因此作为一个常数，总体复杂度仍然是O（n）。答案是正确的，但论据却不正确。正如您现在的回答所示：“您需要O（log（n））调整大小和O（n）恒定时间加法，所以总O（n）”。但是，调整大小需要时间，容量是线性的。因此，这个参数的实际结果是O（n*log（n））。您缺少了一个关键部分，即随着调整大小开始花费更多的时间，它们的发生频率也会降低。等等，等等。它是O（n），与是否预设容量无关。问题是将有日志（n）大小调整，它们将采取2，2^2，2^3。。。2^log（n）-1次（假设加倍以便于格式化）。只有最后一次调整需要n的一半时间，其他的要小得多，这是关键部分。如果你对它们求和，你会得到sum（i=0..log（n）-1，2^i