数据结构-算法效率的度量-时间复杂度和空间复杂度

最新推荐文章于 2024-08-27 00:04:19 发布

creat2012

最新推荐文章于 2024-08-27 00:04:19 发布

阅读量3.9k

点赞数 1

文章标签：时间复杂度空间复杂度

本文链接：https://blog.csdn.net/creat2012/article/details/26004601

版权

本文探讨了算法效率的衡量标准，重点关注时间复杂度和空间复杂度。时间复杂度通过基本操作的重复执行次数f(n)来描述算法随问题规模n增长的速率。语句的频度是计算时间复杂度的关键，需确定算法的基本操作并计算其执行次数，最终得出算法的渐近时间复杂度T(n)=O(f(n))。

摘要由CSDN通过智能技术生成

度量算法的效率：时间复杂度、空间复杂度。

时间复杂度，一般情况，算法中基本操作重复执行的次数是问题规模n的一个函数f(n)，算法的时间度量记做T(n)=O(f(n))，他表示随着问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称做算法的渐近时间复杂度，简称时间复杂度。

插入一个概念：语句的頻度指的是该语句重复执行是次数。

我们在计算时间复杂度的时候，

先要找出算法的基本操作，并根据基本操作语句计算出其执行次数。

再找出其同数量级。。。T(n)=O(f(n)=数量级)。

例如：

for(i=1; i<=n; ++i)
{
    for(j=1; j<=n; ++j)
    {
        c[i][j]=0;//该步骤属于基本操作执行次数：n的平方次
        for(k=1; k<=n; ++k)
            c[i][j]+=a[i][k]*b[k][j];//该步骤属于基本操作执行次数：n的三次方次
    }
}