数据结构——时间复杂度
前言
算法在编写成可执行程序后,运行时需要耗费时间资源和空间(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,本节研究的是时间复杂度。
一、时间复杂度的概念
时间复杂度的定义:在计算机科学中,算法的时间复杂度是一个函数,它定量描述了该算法的运行时间。一个算法执行所耗费的时间,从理论上说,是不能算出来的,只有你把你的程序放在机器上跑起来,才能知道。但是我们需要每个算法都上机测试吗?是可以都上机测试,但是这很麻烦,所以才有了时间复杂度这个分析方式。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。
这段话的意思是找到某条基本语句与问题规模N之间的数学表达式(见实例),即算出该条语句的执行次数就是算出了该算法的时间复杂度。
二、大O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。
推导方法:
1.在修改后的运行次数函数中,只保留最高阶项
2.如果最高阶项存在且不是1,则去除它的系数
例如:语句的·执行次数表达式为F(N)=2N²+3N+2,则用大O渐进表示法则可以表示为O(N²)
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
三、实例
代码如下(示例):
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);
}
这个代码块的执行次数为F(N)=N²+2N+11(嵌套是N次数相乘,无关则是相加),++count语句执行的次数为F(N)=N²+2N+10,用大O渐进表示法为O(N²)
void Func2(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);
}
因为不知到N与M的大小,所以用大O渐进表示法为O(M+N)
void Func3(int N)
{
int count = 0;
for (int k = 0; k < 100; ++ k)
{
++count;
}
printf("%d\n", count);
}
此处可以看到执行的次数为常数项次,所以为O(1)
void Func4(int n)
{
for (int i = 0; i <= n; ++i)
{
for (int j = i; j < n; ++j)
{
printf("%d,%d", i, j);
}
}
}
经过每次循环内层n的循环次数就减少一次,所以该语句的执行次数为F(N)=N*(N-1)(N-2)………21,由等差数列公式可得F(N)=1/2N^2+1/2N,大O渐进表示法可以表示为O(N²)
四、常见复杂度对比
时间运算的快慢按照O(1)<O(logn)<O(n)<O(n*logn)<O(n²)<O(n³)<O(2ⁿ)的顺序