时间复杂度与空间复杂度
1.算法效率
如何衡量一个算法的好坏呢?
各种算法运行时需要耗费时间资源和空间资源,因此衡量一个算法的好坏,一般是从时间复杂度和空间复杂度来衡量的.
二者也有区别
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
从理论上说,该算法的运行时间是不能算出来的。
但是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。
如此例子:
Func1 执行的基本操作次数:F(N)= N^2 + 2N + 10
但实际计算时间复杂度时,其实并不一定要计算精确的执行次数,这样太麻烦了, 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。
3.大O的渐进表示法
推导大O阶基本方法:
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。
简单来说 现大O的渐进表示法就是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。然后关注算法的最坏运行情况。
如此例子:
Func1 执行的基本操作次数:F(N)= N^2 + 2N + 10
使用大O的渐进表示法以后,Func1的时间复杂度为: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bytes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时间复杂度类似,也使用大O渐进表示法。
要注意: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。
举两个简单例子
例子一
例子二
想一下两个的空间复杂度为多少呢?
实例1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。空间复杂度为O(N)
实例2使用了常数个额外空间,所以空间复杂度为 O(1)
4.常见复杂度对比
当然这些都是基本,想要理解更多还需要寻找更多练习题练习。