算法复杂度

渝小黔的编程之路

于 2024-09-29 17:00:12 发布

阅读量683

点赞数 19

分类专栏：数据结构文章标签：算法开发语言数据结构

本文链接：https://blog.csdn.net/2302_80295265/article/details/142592048

版权

数据结构专栏收录该内容

1 篇文章 0 订阅

订阅专栏

文章目录

前言
一、数据结构前言
二、算法效率
总结

前言

hello呀！各位博友，随着咱们的C语言的学习结束了，我们将进行下一个版块的学习，你们是不是也和我一样很期待呢？哈哈哈，从这篇起，咱们就一起开始数据结构的学习啦，今天，我们先从算法复杂度开始讲起，废话不多说，咱们开始吧！

一、数据结构前言

那么在这之前，咱们先来了解一下什么是数据结构！

1.数据结构

数据结构是什么呢？我们可以这样拆开来理解，数据和结构，也就是说把数据给放在一个结构里面，这就是咱们计算机存储和组织数据的方式。那么组织数据又是什么意思呢？其实啊就是对我们已经存储的数据进行管理的含义。其实对于数据结构，咱们之前学习过的数组就是一种单一的数据结构，还是那句话，光说无凭，咱们来看看下图解释在这里插入图片描述
图片的最后一句话我想聪明的你们应该能够想到，嘿嘿，没错，没有一种单一的数据结构对所有用都有用，所以我们要学习各种各样的数据结构，例如：线性表，树，图，哈希等。

2.算法

相信大家对于算法这两个字不陌生，那么到底什么是算法呢？其实简单来讲算法就是一系列的计算步骤，我输入俩个值，然后给我输出俩个值给我，将输入数据转化成输出结果。对于一道算法题来说，并没有一个固定的算法，我们来举个例子，来看下图在这里插入图片描述

3.数据结构与算法的重要性

数据结构与算法对于咱们来说是非常重要的，不论是在校招还是在日后找工作，都是重点的考察对象！！！那么我们应该怎么学好数据结构与算法呢？有俩个小秘诀，哈哈哈
秘诀1：死敲代码！！！
秘诀2：画图画图+思考！！！
这里呢再给大家推荐几本书：《数据结构》严蔚敏，《数据结构》殷⼈昆，《算法导论》ThomasH. Cormen (托⻢斯•科尔曼)，《⼤话数据结构》程杰。

二、算法效率

我们通过上文的算法例题可以知道，对于一道题可能有着不同的算法，那么那种算法的效率会更好呢？我们应该如何来去评估一个算法的好坏呢？那么有人就会想到啊，我们来比较俩个算法所用的执行时间，这样就可以知道谁好谁坏了，那么真的是这样的吗？我们一起来看看下图示例在这里插入图片描述
那么我们到底该如何去衡量其好坏呢？

1.复杂度的概念

想要衡量出一个算法的好坏，那么我们就引入了一个概念，复杂度，那么什么是复杂度呢？我们来看下面一段话：

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。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。

需要值得一提的是，我们这里说的时间维度并不是我们在上文推倒的那个时间维度，我们马上会进行其讲解的。其次就是复杂度这个点在我们的校招中也很常见，所以需要大家仔细的理解明白哟！

2.时间复杂度

对于时间复杂度的概念和这里的时间与我们上文反驳的时间衡量好坏有什么区别，大家来看一下下面这一段：

定义：在计算机科学中，算法的时间复杂度是⼀个函数式T(N)，它定量描述了该算法的运⾏时间。时间复杂度是衡量程序的时间效率，那么为什么不去计算程序的运⾏时间呢？

因为程序运⾏时间和编译环境和运⾏机器的配置都有关系，⽐如同⼀个算法程序，⽤⼀个⽼编译器进⾏编译和新编译器编译，在同样机器下运⾏时间不同。
同⼀个算法程序，⽤⼀个⽼低配置机器和新⾼配置机器，运⾏时间也不同。
并且时间只能程序写好后测试，不能写程序前通过理论思想计算评估。

那么相信大家在看完上面的内容后就明白了时间复杂度的概念以及与我们上文所说的时间衡量有何区别啦！那既然说时间复杂度是一个函数式T(N)，那它的表达式到底是什么呢？其实用官方的定义来看的话太复杂了，给人一种很累的感觉，那么这里我就用最简单的几句话来给大家以图片形式讲解，而官方的概念我会放到后边，现在咱们来一起看下图演示吧！在这里插入图片描述
通过上述图片的解释，相信大家应该都可以理解了怎么去计算时间复杂度，现在我把官方的解释拿出来给大家也看看

那么算法的时间复杂度是⼀个函数式T(N)到底是什么呢？这个T(N)函数式计算了程序的执⾏次数。通过c语⾔编译链接章节学习，我们知道算法程序被编译后⽣成⼆进制指令，程序运⾏，就是cpu执⾏这些编译好的指令。那么我们通过程序代码或者理论思想计算出程序的执⾏次数的函数式T(N)，假设每句指令执⾏时间基本⼀样(实际中有差别，但是微乎其微)，那么执⾏次数和运⾏时间就是等⽐正相关，这样也脱离了具体的编译运⾏环境。执⾏次数就可以代表程序时间效率的优劣。⽐如解决⼀个问题的算法a程序T(N) = N，算法b程序T(N) = N^2，那么算法a的效率⼀定优于算法b。

当然在我们在图片解释中提到了一句，计算语句执行次数时，只进行主要语句，这也是有依据的，大家想了解为什么的可以阅读一下下面这段话

实际中我们计算时间复杂度时，计算的也不是程序的精确的执⾏次数，精确执⾏次数计算起来还是很⿇烦的(不同的⼀句程序代码，编译出的指令条数都是不⼀样的)，计算出精确的执⾏次数意义也不⼤，因为我们计算时间复杂度只是想⽐较算法程序的增⻓量级，也就是当N不断变⼤时T(N)的差别，上⾯我们已经看到了当N不断变⼤时常数和低阶项对结果的影响很⼩，所以我们只需要计算程序能代表增⻓量级的⼤概执⾏次数，复杂度的表⽰通常使⽤⼤O的渐进表⽰法。