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,
空间复杂度主要衡量一个算法所需要的额外空间
时间复杂度
1.概念
算法的时间复杂度是一个函数,它定量描述了该算法的运行时间。
算法中的基本操作的执行次数,为算法的时间复杂度
2.大O的渐进表示法
例:请计算一下Func1基本操作执行了多少次?
void Func1(int N)
{
int count = 0;
for (int i = 0; i < N; ++i)
{
for (int j = 0; j < N; ++j)
{
++count;
}
}
for (int k = 0; k < 2 * N; ++k)
{
++count;
}
int M = 10;
while (M--)
{
++count;
}
printf("%d\n", count);
}
Func1 执行的基本操作次数 :
大O的渐进表示法:只需要大概执行次数
大O符号:用于描述函数渐进行为的数学符号
推导大O阶方法:
- 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。
- 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:
有些算法的时间复杂度存在最好、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(下界)
在实际中一般情况关注的是算法的最坏运行情况
3.实例
- 计算Func2的时间复杂度?
void Func2(int N)
{
int count = 0;
for (int k = 0; k < 2 * N; ++k)
{
++count;
}
int M = 10;
while (M--)
{
++count;
}
printf("%d\n", count);
}
时间复杂度:F(N)=2*N+10 ==> O(N)
- 计算Func3的时间复杂度?
void Func3(int N, int M)
{
int count = 0;
for (int k = 0; k < M; ++k)
{
++count;
}
for (int k = 0; k < N; ++k)
{
++count;
}
printf("%d\n", count);
}
时间复杂度:F(N)=M+N ==> O(M+N)
若M远大于N,则为O(M);若N远大于M,则为O(N);若M和N一样大,则为O(M)或O(N)
- 计算Func4的时间复杂度?
void Func4(int N)
{
int count = 0;
for (int k = 0; k < 100; ++k)
{
++count;
}
printf("%d\n", count);
}
时间复杂度:F(N)=100 ==> O(1)
O(1)代表常数次(嵌套除外)
原因:CPU足够快且有最大限制(int)
- 计算strchr的时间复杂度?
const char * strchr ( const char * str, int character );
时间复杂度: O(N)
strchr:定位字符串str中字符character第一次出现的位置
执行最好1次(第一个就找到),最坏N次(最后才找到)
时间复杂度一般看最坏
- 计算BubbleSort的时间复杂度?
void BubbleSort(int* a, int n)
{
assert(a);
for (size_t end = n; end > 0; --end)
{
int exchange = 0;
for (size_t i = 1; i < end; ++i)
{
if (a[i - 1] > a[i])
{
Swap(&a[i - 1], &a[i]);
exchange = 1;
}
}
if (exchange == 0)
break;
}
}
时间复杂度:
- 计算BinarySearch的时间复杂度?
int BinarySearch(int* a, int n, int x)
{
assert(a);
int begin = 0;
int end = n - 1;
while (begin < end)
{
int mid = begin + ((end - begin) >> 1);
if (a[mid] < x)
begin = mid + 1;
else if (a[mid] > x)
end = mid;
else
return mid;
}
return -1;
}
时间复杂度:O(logN)
当查找区间缩放只剩一个值或找不到时,是最坏情况。
除以了多少次2,就查找了多少次。
若查找了X次,则
只要底数为2可以简写为logN,其他的都要写出来
- 计算阶乘递归Factorial的时间复杂度?
long long Factorial(size_t N)
{
return N < 2 ? N : Factorial(N - 1) * N;
}
时间复杂度:O(N)
递归算法时间复杂度是多次调用的次数累加
- 计算斐波那契递归Fibonacci的时间复杂度?
long long Fibonacci(size_t N)
{
return N < 3 ? 1 : Fibonacci(N-1)+Fibonacci(N-2);
}
时间复杂度:
4.暴力查找和二分查找
暴力查找的时间复杂度:O(N)
二分查找的时间复杂度:O(logN)
N | 1000 | 100W | 10亿 | 14亿 |
---|---|---|---|---|
O(N) | 1000 | 100W | 10亿 | 14亿 |
O(logN) | 10 | 20 | 30 | 31 |