Java 什么'；对具有两个属性的对象列表进行排序的时间复杂度是多少？

假设我有一门课： `

`

我想使用集合对间隔列表进行排序。排序（）如下：

Collections.sort(intervals, new Comparator<Interval>(){
    @Override
    public int compare(Interval o1, Interval o2) {
        if (o1.start == o2.start) {
            return o1.end - o2.end;
        }
        else {
            return o1.start - o2.start;
        }
    }
});

Collections.sort（间隔，新比较器（）{
@凌驾
公共整数比较（区间o1、区间o2）{
如果（o1.start==o2.start）{
返回o1.end-o2.end；
}
否则{
返回o1.start-o2.start；
}
}
});

---

我知道使用内置排序函数对数组进行排序需要O（nlogn）时间，问题是如果我对具有两个属性的对象列表进行排序，那么对该列表进行排序的时间复杂度是多少？谢谢

大O符号实际上忽略了最小的影响因素

例如，如果复杂性为

n+1

，则将使用

n

，而忽略

1

所以答案是相同的

n*log（n）

。

---

因为您的代码只添加了一条语句，它将被转换为一条指令。

它应该读取集合。sort（）

此算法保证了n个log（n）性能。

---

注意：Comparator不会改变其复杂性，而不是使用循环

@PaulMcKenzie在评论中的简短回答是正确的，但您问题的真正答案更微妙

很多人做你做过的事情，把时间和其他效率指标混为一谈。几乎在所有情况下，当有人说“排序是O（n logn）”时，正确的是比较的数量是O（n logn）

我不是想装腔作势。草率的分析会在实践中产生大问题。如果没有一大堆关于数据和运行算法的机器的附加语句，就不能声称任何排序都是在O（nlogn）时间内运行的。理论论文通过陈述用于分析的标准机器模型来实现这一点。该模型说明了算法的低级操作所需的时间，例如内存访问、算法和比较

在您的例子中，每个比较都需要一个常数来进行比较，所以只要比较本身是常数时间——实际上对于固定宽度的整数是如此——您就处于良好状态

然而，像字符串排序这样简单的事情改变了这张图片。字符串比较本身具有可变成本。这取决于字符串长度！因此，使用“良好”排序算法对字符串进行排序是O（nk log n），其中k是字符串的长度

如果您正在对可变长度的数字进行排序（例如java

BigInteger

s），则同上

---

排序对复制成本也很敏感。即使可以在固定时间内比较对象，排序时间也将取决于对象的大小。算法的不同之处在于需要在内存中移动对象的次数。有些人接受更多的比较，以防止不必要的复制。一个实现细节：对指针和对象进行排序可以改变渐进的运行时间-一个时间交易的空间。

它的复杂性是相同的

（on*log（n））

。额外的

if

语句不会将对数排序转换为四次排序。感谢您的澄清！！“我现在明白了。”保罗·麦肯齐说得不准确。我想你的意思是

else

语句不会增加成本，但是如果

语句会将成本与每个新条件进行平方，那么额外的
语句会增加成本。请注意，使用
整数是一个好习惯。比较（a，b）
而不是
a-b
习惯用法，因为当a和b之间的差值大于
Integer.MAX\u值时，后者不起作用。（例如在比较-1和Integer.MAX_值时）。@mohsenmadi那么额外if语句的大O表示法是什么？如果用于比较的算法取决于被比较的元素的数量，那么比较器完全可以改变整个算法的复杂性。但这里的情况不是这样，比较本身是O（1）。是的，你是正确的，但我只是在上面讨论算法。谢谢@ErwinBolwidtOf当然，如果比较导致数据集上的另一组循环，那么比较会导致复杂性的改变。这里的情况不是这样的。如果我的回答是关于什么的，这个讨论就是一个例子。比较成本很重要。复印费也是一样。对不起，我弄错了
Collections.sort(intervals, new Comparator<Interval>(){
    @Override
    public int compare(Interval o1, Interval o2) {
        if (o1.start == o2.start) {
            return o1.end - o2.end;
        }
        else {
            return o1.start - o2.start;
        }
    }
});