【数据结构】--时间和空间复杂度

最新推荐文章于 2024-09-03 21:34:10 发布

论迹

最新推荐文章于 2024-09-03 21:34:10 发布

阅读量284

点赞数 2

分类专栏：数据结构文章标签：数据结构

本文链接：https://blog.csdn.net/2303_80341387/article/details/141829485

版权

数据结构专栏收录该内容

2 篇文章 0 订阅

订阅专栏

1. 如何衡量一个算法的好坏

两个标准来衡量：1. 时间复杂度 2. 空间复杂度

2. 算法效率

算法效率分析分为两种：第一种是时间效率，第二种是空间效率。时间效率被称为时间复杂度，而空间效率被称作空间复杂度。时间复杂度主要衡量的是一个算法的运行速度，而空间复杂度主要衡量一个算法所需要的额外空间，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。
当今衡量一个算法的好坏，主要是衡量其运行速度，时间速度。
不能单纯的根据算法运行的时间来衡量这个算法的好坏，此时大多数情况下时间取决于硬件条件。

3. 时间复杂度

3.1 时间复杂度的概念

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，为算法的时间复杂度。

3.2 大O的渐进表示法

在这里插入图片描述
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。
大O符号（Big O notation）：是用于描述函数渐进行为的数学符号。

3.3 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。
使用大O的渐进表示法以后，Func1的时间复杂度为：
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。