算法:
算法是解决特定问题求解步骤的描述,在计算机中表现为指令的有限序列,并且每条指令表示一个或多个操作
算法的复杂度:
算法在编写成可执行程序后,运行时需要耗费的时间资源和空间(内存)资源。因此,衡量一个算法的好坏,一般是从时间和空间两个维度来衡量的,即时间复杂度和空间复杂度。
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
目录
一. 时间复杂度
1. 定义
在计算机科学中,算法的时间复杂度是一个函数(数学函数),它定量描述了该算法的运行时间。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
实例:
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;
printf("%d\n",count);
}
Func1执行的基本操作次数:F(N)=N^2+2*N+10
但实际计算时间复杂度时,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,所以我们这里使用大O的渐进表示法
2. 大O的渐进表示法
那么如何推导大O阶呢?请看下面的推导方法:
1.用常数1取代运行时间中所有的加法常数
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
使用大O的渐进表示法后,Func1的时间复杂度为: O(N^2)
通过上面,我们发现大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.最好情况,最坏情况和平均情况
最好情况:任意输入规模的最小运行次数
平均情况:任意输入规模的期望运行次数
最坏情况:任意输入规模的最大运行次数
例如我们查找一个有n个随机数字数组中的某一个数字最好的情况是第一个数字就是,那么算法的时间复杂度就是O(1),但也有可能这个数字在最后一个位置,那么算法的时间复杂度就为O(n),这是最坏的一种情况
在实际中一般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)
4.时间复杂度计算举例:
(1)常数阶
// 计算Func4的时间复杂度?
void Func4(int N)
{
int count = 0;
for (int k = 0; k < 100; ++ k)
{
++count;
}
printf("%d\n", count);
}
根据推导大O阶的方法第一步就是把常数项100改为1,在保留最高阶项时发现,它根本没有最高阶项,所以这个算法的时间复杂度为O(1)
不管(k<100)这个常数是多少,我们都记作O(1),而不能是O(3),O(12)等其他任何数字
O(1)并不是代表1次,而是代表常数次
(2)线性阶
下面这段代码,它的循环的时间复杂度为O(n),因为循环中的代码必须要执行n次
int i;
for(i=0;i<n;i++)
{
/*所要执行代码*/
}
(3)平方阶
int main()
{
int i, j;
int n;
for (i = 0; i < n; i++)
{
for (j = 0; j < n; j++)
{
/*所要执行代码*/
}
}
return 0;
}
这是一个循环嵌套,它的内循环我们已经分析过,时间复杂度为O(n),而对于外层循环,就是内部这个时间复杂度为O(N)的语句,再循环n次,所以这段代码的时间复杂度为O(n^2)
如果外层循环的次数改为了m,时间复杂度就为O(m*n)
再看下面的循环嵌套,它的时间复杂度是多少呢?
int main()
{
int i, j;
int n;
for (i = 0; i < n; i++)
{
for (j = i; j < n; j++)
{
/*所要执行代码*/
}
}
return 0;
}
所以总执行次数:n+(n-1)+(n-2)+...+2+1=n(n+1)/2,再利用推导大O阶的方法,最终这段代码的时间复杂度为O(n^2)
(4)对数阶
int count = 1;
int n;
while (count < n)
{
count = count * 2;
}
count每乘一次2,就离n更近了,所以有多少个2相乘后大于n,就会退出循环
由2^x=n,得到x=log2(n)(log以2为底n的对数), 所以这个循环的时间复杂度为O(logn)
5.常见的时间复杂度
常用的时间复杂度所耗费的时间从小到大依次是:
二. 空间复杂度
1. 定义
空间复杂度也是一个数学表达式,是对一个算法在运行过程中临时占用额外存储空间大小的度量
空间复杂度不是程序占用了多少字节的空间,空间复杂度算的是变量的个数,计算规则与时间复杂度类似,也使用大O渐进表示法
2. 空间复杂度的计算举例
// 计算BubbleSort的空间复杂度?
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;
}
}
算法在运行的过程中开辟了end,i,exchange这样的额外的空间,但都是常数个,所以空间复杂度为O(1)
// 计算阶乘递归Fac的空间复杂度?
long long Fac(size_t N)
{
if(N == 0)
return 1;
return Fac(N-1)*N;
}
递归调用了N次,开辟了N个栈帧,每个栈帧使用了常数个空间,所以空间复杂度为O(N)
注意:函数运行时所需要的栈空间(存储参数,局部变量,一些寄存器信息等)在编译期间就已经确定好了,因此空间复杂度主要通过函数在运行时候显示申请的空间来确定(显示申请的空间即为我们为了完成算法需要开辟的空间)
若有文章有任何问题,欢迎大家指正