时间复杂度和空间复杂度

时间复杂度和空间复杂度

判断效率时，应只关注程序的高次介数，而常数和底次可以忽略。

时间复杂度

定义

在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，对T(n)随n的变化情况进行分析，并确定数量级。

表示(大O计法)： T(n)=O(f(n))

推导方法：

1. 用常数1取代运行时间中的所有加法常数。
2. 只保留最高阶部分
3. 忽略最高价的系数
4. 得到大O阶

总的思路就是找出运行次数的表达式(是一个多项式的形式)，只取最高阶项，并舍去系数就可以得到答案！

例如： 3x^3 + 2x^3 + 2x^2 + 1 就只取 x^3 , 大O阶就是 O(n^3）

分类

1. 常数阶 O(1)

2. 线性阶 O(n)

3. 平方阶 O(n^2) O(n^3)（立方阶）

   特殊1：

   int n=100
   for(int i=0;i<n;i++)
   {
       for(int j=i; j<n;j++)
       {
           printf("hello world");
       }
   }
   

   总次数：n+(n-1)+(n-2)+…+1=(n+1)n/2=1/2n^2+1/2n

   因此大O阶： O(n^2)

4. 对数阶 O(logn)

   例子：

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

   在上述程序中，每次i为上一个i*2，即2^x=n时推出程序。

   因此程序的总次数：x=log(2)n

   因此大O阶： O(logn)

5. nlong阶 O(nlogn)

   2n+3nlog(2)n+14

6. 指数阶 O(2^n)

   2^n

总结

1. 在编程时，因该最求时间复杂度最低。

2. 经过对比，时间复杂的关系：

   O(1) < O(logn) < O(n) < O(nlogn) < O(n^2) < O(n^3) < O(2^n) < O(n!) < O(n^n)

---

空间复杂度

概念

算法1：给出一个年份，进过运算得出是否为闰年。程序只需要1KB

算法2：建立年份数据库，当输入一个年份，直接在数据库中查找，判断是否为闰年。程序可能需要100KB

可以看出，提高空间复杂度可以换取时间复杂度。

表达： S(n)=O(f(n)),

其中f(n)是关于存储空间的函数。

总结

在算法设计的时候，应充分考虑应用背景（硬件，时间等）来判断应该需要多大的空间复杂度和时间复杂度。