算法的复杂度 :
首先,算法的时间复杂度与空间复杂度 统称为算法的复杂度。
时间复杂度:
时间复杂度其实就是一个函数,,该函数计算的是执行基本操作的次数。
算法分析的分类:
算法存在最好、平均和最坏情况:
最坏情况:任意输入规模的最大运行次数(上界)
平均情况:任意输入规模的期望运行次数
最好情况:任意输入规模的最小运行次数,通常最好情况不会出现 (下界)
在实际中通常关注的是算法的最坏运行情况,即:任意输入规模N,算法的最长运行时间。理由如下:
一个算法的最坏情况的运行时间是在任意输入下的运行时间上界
对于某些算法,最坏的情况出现的较为频繁
大体上看,平均情况与最坏情况一样差
因此:一般情况下使用O渐进表示法来计算算法的时间复杂度
时间复杂度之大O渐进表示法
一个算法语句总的执行次数是关于问题规模N的某个函数,记为f(N),N 称为问题的规模。语句总的执行次数记为T(N),当N不断变化时,T(N)也 在变化,算法执行次数的增长速率和f(N)的增长速率相同。则有T(N) = O(f(N)),称O(f(n))为时间复杂度的O渐进表示法。
空间复杂度:
空间复杂度:函数中创建对象的个数关于问题规模函数表达式,一般情况下用O 的渐进表示法表示
时间复杂度与空间复杂度的计算:
一般的时间复杂度的算法:
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.如果最高阶项系数存在且不是1,则去除与这个项相乘的常数
下面举个例子: