算法
- 定义及特性 :有穷性、确定性、可行性、输入、输出。
- 评价算法优劣标准:正确性、可读性、健壮性、高效性。
时间复杂度
算法执行时间=原操作(i)的执行次数*原操作(i)的执行时间
算法执行时间与原操作执行次数之和成正比
1.定义:
计算机科学中,算法的时间复杂度是一个函数,它定性描述了该算法的运行时间。这是一个关于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。使用这种方式时,时间复杂度可被称为是渐近的,它考察当输入值大小趋近无穷时的情况。
2.理解
算法的时间复杂度,用来度量算法的运行时间,记作: T(n) = O(f(n))。它表示随着 输入大小n 的增大,算法执行需要的时间的增长速度可以用 f(n) 来描述。
3、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,则去除与这个项相乘的常数。
- 最后结果就是大O阶。
4.简单举例
运算次数为常数的算法:
temp=a; a=b; b=temp;;
该语句共三条操作,单句操作频度为1,即使他有多条操作,也只是一个常数,该类时间复杂度为O(1)。
<线性阶>运算次数为线性的算法:
sum=0; //频度为1
for(i=0;i<n;i++) //频度为n
sum++;//频度为n
so f(n)=n+n+1=2n+1, 这类时间复杂度为O(n)。此类中算法操作次数增长和n成正比。
<对数阶>一个算法如果能在每个步骤去掉一半数据元素,如二分检索,通常它就取 O(logn)时间:
int i=1;
while (i<=n)
i=i*2;
上面代码设第三行的频度是f(n), 则:2的f(n)次方<=n;f(n)<=log₂n,取最大值f(n)= log₂n,所以T(n)=O(log₂n )
<平方阶>O(n²)(n的k次方的情况)最常见的就是平时的对数组进行排序的各种简单算法都是O(n²),例如直接插入排序的算法:
ex1:
sum=0; //频度为1
for(i=0;i<n;i++) //频度为n
for(j=0;j<n;j++) //频度n^2
sum++; //频度n^2
so T(n)=2n²+n+1 =O(n²)
ex2:
int i, j, n = 100;
for( i=0; i < n; i++ )
{
for( j=0; j < n; j++ )
{
printf(“hello world\n”);
}
}
n等于100,也就是说外层循环每执行一次,内层循环就执行100次,那总共程序想要从这两个循环出来,需要执行100*100次,也就是n2。so时间复杂度为O(n2)。
总结:如果有三个这样的嵌套循环就是n3(例如矩阵相乘算法)。所以总结得出,循环的时间复杂度等于循环体的复杂度乘以该循环运行的次数。
百度词条:时间复杂度
强烈推荐B站的学习视频!!!