数时间复杂度与空间复杂度

最新推荐文章于 2024-12-24 22:09:43 发布

贫坤户

最新推荐文章于 2024-12-24 22:09:43 发布

阅读量946

点赞数 20

分类专栏：数据结构文章标签：数据结构算法

本文链接：https://blog.csdn.net/2302_77788717/article/details/135702693

版权

数据结构专栏收录该内容

8 篇文章 0 订阅

订阅专栏

1.算法效率

1.1 如何衡量一个算法的好坏

如何衡量一个算法的好坏呢？比如对于以下斐波那契数列：

long long Fib ( int N )

{

        if ( N < 3 )

                return 1 ;

        return Fib ( N - 1 ) + Fib ( N - 2 );

}

斐波那契数列的递归实现方式非常简洁，但简洁一定好吗？那该如何衡量其好与坏呢？

1.2 算法的复杂度

在编写一段可执行程序后，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 。

2.时间复杂度

2.1 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。

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。但我们并不需要如此精确的时间。

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（并不是程序中while循环次数总和），为算法的时间复杂度。

2.2 大O的渐进表示法

推导大 O 阶方法：

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。

通过上面我们会发现大 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。

另外有些算法的时间复杂度存在最好、平均和最坏情况；在实际中一般情况关注的是算法的最坏运行情况。

实例：

// 请计算一下 Func1 中 ++count 语句总共执行了多少次？

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 );

}

// 时间复杂度为O（N^2)

3.空间复杂度

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 临时占用存储空间大小的量度 。

空间复杂度不是程序占用了多少字节的空间，因为这个也没太大意义， 所以空间复杂度算的是变量的个数。

空间复杂度计算规则基本跟实践复杂度类似，也使用大 O 渐进表示法 。

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式申请的额外空间来确定。

实例：

// 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 ;

}

//只使用了n个常数级的exchange的变量所以空间复杂度为O(1）