前言
从今天开始进行了对数据结构的学习,那让我们从算法的时间和空间复杂度开始吧!
一、引入
在我们的学习过程中,一个题目或者实际问题的实现可能会有很多解法,那么我们改如何判断算法的好坏呢?
一个自然的想法就是判断代码的运行时间,但是我们每个电脑的处理能力不同,即使是同一段代码在不同电脑上的处理速度也不会相同,所以我们采用了一种更为客观的办法——时间复杂度和空间复杂度。
那么什么是时间和空间复杂度呢?
时间复杂度主要衡量一个算法的运行快慢,而空间复杂度主要衡量一个算法运行所需要的额外空间。在计算机发展的早期,计算机的存储容量很小。所以对空间复杂度很是在乎。但是经过计算机行业的迅速发展,计算机的存储容量已经达到了很高的程度。所以我们如今已经不需要再特别关注一个算法的空间复杂度。
二、时间复杂度
1.时间复杂度的概念
一个算法所花费的时间与其中语句的执行次数成正比例,算法中的基本操作的执行次数,为算法
的时间复杂度。
例:让我们看下面的代码计算一下它的基本操作执行次数
void Func1(int N)
{
int count = 0;
for (int i = 0; i < N ; ++ i)
{
for (int j = 0; j < N ; ++ j)
{
++count;
}
}
for (int k = 0; k < 2 * N ; ++ k)
{
++count;
}
int M = 10;
while (M--)
{
++count;
}
}
我们可以算出Func1 执行的基本操作次数 :
2. 大O的渐进表示法
实际中我们计算时间复杂度时,我们其实并不一定要计算精确的执行次数,而只需要大概执行次数,那么这里我们使用大O的渐进表示法。
让我们继续回到Func1的样例,他的时间复杂度用大O的渐进表示法即为O(N^2)。
为什么我们舍去了2N +10呢?让我们看看N取不同值时对函数的影响
N = 10 | F(N) = 130 | N^2 |
---|---|---|
N = 100 | F(N) = 10210 | N^2 = 10000 |
N = 1000 | F(N) = 1002010 | N^2 = 1000000 |
可以发现2N+10对整体的影响非常微弱,大O的渐进表示法去掉了那些对结果影响不大的项,简洁明了的表示出了执行次数。
3. 大O的渐进表示法的推导方法
- 1.用常数1取代运行时间中的所有加法常数。
- 2.在修改后的运行次数函数中,只保留最高阶项。
- 3.如果最高阶项存在且不是1,则去除与这个项目相乘的常数。得到的结果就是大O阶。
另外有些算法的时间复杂度存在最好、平均和最坏情况:
最坏情况:任意输入规模的最大运行次数(上界)
平均情况:任意输入规模的期望运行次数
最好情况:任意输入规模的最小运行次数(下界)
例如:在一个长度为N数组中搜索一个数据x
最好情况:1次找到
最坏情况:N次找到
平均情况:N/2次找到
在实际中一般情况关注的是算法的最坏运行情况,所以数组中搜索数据时间复杂度为O(N)
三、实列
1. 实列1
实列1:时间复杂度O(N)
// 计算Func2的时间复杂度?
void Func2(int N)
{
int count = 0;
for (int k = 0; k < 2 * N ; ++ k)
{
++count;
}
int M = 10;
while (M--)
{
++count;
}
printf("%d\n", count);
}
2. 实列2
实列2:时间复杂度O(M+N)
// 计算Func3的时间复杂度?
void Func3(int N, int M)
{
int count = 0;
for (int k = 0; k < M; ++ k)
{
++count;
}
for (int k = 0; k < N ; ++ k)
{
++count;
}
printf("%d\n", count);
}
3. 实列3
实列3:时间复杂度O(1)
void Func4(int N)
{
int count = 0;
for (int k = 0; k < 100; ++ k)
{
++count;
}
printf("%d\n", count);
}
4. 实列4
实列4:时间复杂度O(N^2)
void BubbleSort(int* a, int n)
{
assert(a);
for (size_t end = n; end > 0; --end)
{
int exchange = 0;
for (size_t i = 1; i < end; ++i)
{
if (a[i-1] > a[i])
{
Swap(&a[i-1], &a[i]);
exchange = 1;
}
}
if (exchange == 0)
break;
}
}
5. 实列5
实列5:时间复杂度O(N)
long long Fac(size_t N)
{
if(0 == N)
return 1;
return Fac(N-1)*N;
}
总结
以上就是今天要讲的内容,本文仅仅简单介绍了时间复杂度的概念,如有错误请在评论区指正。