算法
算法是可执行程序运行所需的时间和空间资源,一个算法的好坏,看时间复杂度和空间复杂度。时间复杂度是算法的运算速度,空间复杂读是算法所需的额外空间。
早期的时候,计算机的存储容量很小,时间复杂度和空间复杂度都很重要。现在计算机的存储容量很大,提升的也很快(摩尔定律——价格不变时,集成电路上可容纳的晶体管数目,约每隔18个月便会增加一倍,性能也将提升一倍。),现在主要关注时间复杂度。
时间复杂度
在计算机科学中,时间复杂性,又称时间复杂度,算法的时间复杂度是一个函数,它定性描述该算法的运行时间。这是一个代表算法输入值的字符串的长度的函数。时间复杂度常用大O符号表述,不包括这个函数的低阶项和首项系数,一般使用变量N表示未知数。时间复杂度可被称为是渐进的,为什么使用O这种方法?因为设备不一样,程序运行的速度也不一样,只需要估算大概程序的运行次数,方便比较。时间复杂度有三种情况:最好情况、平均情况、最坏情况。一般问时间复杂度都是最坏情况。
大O的渐进表示法
大O符号:是用于描述函数渐进行为的数学符号。
常数项用1表示。
在修改后的运行次数函数中,只保留最高阶项。
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。
计算时间复杂度
10的阶乘
int test()
{
int sum = 0;
for (int i = 1; i <= 10; ++i)
{
sum += i;
}
return sum;
}
函数F = 10,使用大O表示,只有常数,时间复杂度是O(1)。
N的阶乘
int test(int n)
{
int sum = 0;
for (int i = 1; i <= n; ++i)
{
sum += i;
}
return sum;
}
函数F = N,使用大O表示,最高阶N系数为1,时间复杂度是O(N)。
N个N的阶乘
int test(int n)
{
int sum = 0;
for (int i = 1; i <= n; ++i)
{
for (int j = 1; j <= n; ++i)
{
sum += j;
}
}
return sum;
}
函数F = N^2,使用大O表示,最高阶N^2系数为1,时间复杂度是O(N^2)。
多个阶乘
int test(int n)
{
int sum = 0;
for (int i = 1; i <= 2 * n; ++i)
{
for (int j = 1; j <= 2 * n; ++i)
{
sum += j;
}
}
for (int i = 1; i <= n; ++i)
{
sum += i;
}
for (int i = 1; i <= 10; ++i)
{
sum += i;
}
return sum;
}
函数F = 4N^2 + N + 10,使用大O表示,最高项N^2的系数是4,将系数变为1,时间复杂度是O(N^2)。
冒泡排序
void bubble_sort(int arr[], int sz)
{
// sz个元素需要排序sz-1趟
for (int i = 0; i < sz - 1; ++i)
{
bool flag = true;
// sz个数,排序sz-1次,每次排序一个数,下一趟少排一个数
for (int j = 0; j < sz - 1 - i; ++j)
{
// 依次比较
if (arr[j] > arr[j + 1])
{
flag = false;
int tmp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = tmp;
}
}
if (flag)
break;
}
}
函数F = N-1 + N-2 + N-3 + ... + 3 + 2 + 1。等差序列求和,首项加尾项的和乘以项数再除2,,使用大O表示,最高项N^2的系数是1/2,将系数变为1,时间复杂度是O(N^2)。最好情况:O(N),平均情况:O(N^2),最坏情况:O(N^2)。
斐波那契数列
int fibonacci(int n)
{
// 如果n等于1或者0返回 1
if (n == 1 || n == 2)
return 1;
return fibonacci(n - 1) + fibonacci(n - 2);
}
有一些是没有的,但是算的是大概的,不影响。等比数列求和公式。
尾项乘以公比减首项再除以公比减1的差。
(2^(N-2)*2 - 1)/(2-1) = 2^(N-1)-1,使用大O表示,最高项2^(N-1)的系数是1,时间复杂度是O(2^N)。
二分算法的时间复杂度一般写为O(logN),省略底数2。
时间复杂度的计算,不能数嵌套了多少个循环,不一定准确,要看思想。
时间复杂度量级
O(1) < O(logN) < O(N) < O(NlogN) < O(N^2) < O(2^N)
空间复杂度
空间复杂度是一个数学表达式,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 。空间复杂度并不是计算整个算法开辟了多少字节的空间,而是为算法额外开辟的空间。
上面的阶乘的空间复杂度都是O(1)。
冒泡排序的空间复杂度是O(1)。
斐波那契数列的空间复杂度是O(N)。时间是累积的,而空间是可以重复利用,函数调用完,会销毁栈帧,将这一块空间返还给操作系统。