Armor的博客

再大的风,也阻挡不了我奔跑的心

三、时间复杂度和空间复杂度

高级语言编写的程序的运行时间取决于以下因素:
1. 算法采用的策略、方案
2. 编译产生的代码质量【高级语言写的源代码通过编译器编译成二进制代码】
3. 问题的输入规模
4. 机器执行指令的速度
其中2和4分别取决于计算机软件、硬件,抛去这些,可见程序的运行时间依赖于算法的好坏和问题的输入规模。

分析一个算法的运行时间时,重要的是把基本操作的数量和输入模式关联起来。

函数的渐进增长:f(n)与g(n),若存在一个整数N,使n>N时,f(n)恒大于g(n),则称f(n)的增长渐进快于g(n)。
判断算法的效率时,函数中的常数和其他次要项科研忽略,更应该关注最高次项的阶数。

算法时间复杂度的定义:进行算法分析时,语句总的执行次数T(n)是关于问题规模n的函数,进而分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度,也就是算法的时间量度,记作T(n)=O(f(n))。它表示随问题规模n的增大,算法执行时间的增长率和f(n)的增长率相同,称作算法的渐进时间复杂度,简称为时间复杂度。其中f(n)为问题规模n的某个函数。
这样用大写O()来体现算法时间复杂度的记法,称之为大O记法。
一般情况下,随着输入规模n的增大,T(n)增长最慢的算法为最优算法。

如何分析时间复杂度:
 用常数1取代运行时间中的所有加法常数。
 在修改后的运行次数函数中,只保留最高阶项。
 若最高阶项存在且不是1,则去除与这个项相乘的常数。
 最后得到的结果就是大O阶数。

阶数:
 常数阶O(1)
 线性阶O(n)【非嵌套循环】随着问题n的扩大,对应计算次数呈直线增长。
 平方阶O(n²)【嵌套循环】,循环时间复杂度=循环体的复杂度×该循环的嵌套次数
 对数阶O(log(n))(注:logn指的是以2为底n的对数)
例如:

int i=1,n=100;
While (i<n)
     { 
       i=i*2;
     }

常见时间复杂度还有:nlogn阶,立方阶,指数阶O(2^n)等
耗费时间:

O(1) < O(logn) < O(n) < O(nlogn) < O(n²) < O(n³) < O(2^n)< O(n!) < O(n^n)

最坏情况与平均情况:
 平均运行时间是期望的运行时间。
 最坏运行时间是一种保证,在应用中,这是一种最重要的需求,通常除非特别指定,运行时间都是指最坏运行时间。

算法的空间复杂度:
写代码时可以用空间来换取时间。【判断是否闰年的例子:设计算法与查表】
空间复杂度通过计算算法所需的存储空间实现,计算公式:S(n)=O(f(n)),其中n为问题的规模,f(n)为语句关于n所占存储空间的函数。

通常我们都是用时间复杂度来指运行时间的需求,是用空间复杂度指空间需求。当直接要让我们求复杂度时,通常指的是时间复杂度。

阅读更多
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/CystalVon/article/details/52352117
文章标签: 算法
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

不良信息举报

三、时间复杂度和空间复杂度

最多只允许输入30个字

加入CSDN,享受更精准的内容推荐,与500万程序员共同成长!
关闭
关闭