数据结构之算法复杂度
时间复杂度
算法中的基本操作执行次数称为时间复杂度。时间是累加的。
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:
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
// 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;
}
}//执行n^2次
for (int k = 0; k < 2 * N ; ++ k)
{
++count;
}//执行2n次
int M = 10;
while (M--)
{
++count;
}//执行10次
//执行n^2+2n+10次 时间复杂度O(n^2)
//二分查找的时间复杂度
int BinarySearch(int* a, int n, int x)
{
assert(a);
int begin = 0;
int end = n-1;
// [begin, end]:begin和end是左闭右闭区间,因此有=号
while (begin <= end)
{
int mid = begin + ((end-begin)>>1);
if (a[mid] < x)
begin = mid+1;
else if (a[mid] > x)
end = mid-1;
else
return mid;
}
return -1;
}
所以时间复杂度为:logN
空间复杂度
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
long long Fac(size_t N)
{
if(N == 0)
return 1;
return Fac(N-1)*N;
}//Fac(N) Fac(N-1) Fac(0) 开辟了N个空间