一.算法效率
1.引子
如何去衡量一个算法的好坏呢?
这是一个斐波那契数列的递归式求法:
long long Fib(int N)
{
if(N < 3)
return 1;
return Fib(N-1) + Fib(N-2);
这串代码看起来十分的简洁,但是简洁一定就好吗?
2.算法的复杂度
算法在编写为可执行程序后,运行需要耗费时间资源和空间资源(内存),因此衡量一个算法的好坏,一般是从时间和空间两个维度来衡量的。
时间复杂度主要是衡量一个算法的运行快慢,空间复杂度主要衡量一个算法运行所需要的额外空间。
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,所以如今我们已经不用太过于关注一个算法的空间复杂度。
二.时间复杂度
在计算机科学中,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。
一个算法执行所耗费的时间,从理论上来说,是无法具体算出来的,只有把程序方在机器上运行起来,才能知道具体所需的时间。但是如果每个程序都上级测试,未免也太麻烦了,所以才有了时间复杂度这个分析方式。一个算法所花费的时间与其中语句执行的次数成正相关,
void Func1(int n)
{
for(int i = 0; i < 2 * n; i++)
{
//代码
}
for(int i = 0; i < n; i++)
{
for(int j = 0; j < n; j++)
{
//代码
}
}
//代码
return;
}
F(N) = (CN)^2 + 2C*N + C (C为常数)
N = 10时,F(N)=100C²+21C
N = 100时,F(N)=10000C²+201C
N = 1000时,F(N)=1000000C²+2001C
…
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。
例如Func1函数,仅取其最高次,其最高次位N²,所以该函数时间复杂度位O(N)
三.空间复杂度
空间复杂度也是一个数学表达式,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
空间复杂度并不是程序具体占用了多少bytes的空间,所以空间复杂度算的是变量的个数。空间复杂度计算规则基本跟时间复杂度类似,也使用大O渐进表示法。
long long Fib(int N)
{
if(N < 3)
return 1;
return Fib(N-1) + Fib(N-2);
Fib递归调用了N次,开辟了N个栈帧,每个栈帧使用了常数个空间。空间复杂度为O(N)。
感谢大家观看,不妨点赞支持一下吧[doge]
如有错误,随时纠正,谢谢大家!