算法效率主要从两方面分析:1,空间复杂度;2,时间复杂度
一个算法由控制结构和原操作组成,其执行时间取决于两者的综合效果。
将原操作重复操作执行的次数与问题规模n之间的关系记为函数f(n)。
**1.空间复杂度**
空间复杂度记为该算法所消耗的存储空间,它是问题规模n的函数,记做S(n)=O(f(n))。逐渐复杂度也常简称为空间复杂度。(空间复杂度就是辅助空间)
一维数组 | a[n] | 空间复杂度 | O(n) |
二位数组 | a[n][m] | 空间复杂度 | O(n*m) |
**2.时间复杂度**
时间复杂度是指执行算法所需要的计算工作量;简单来说,时间复杂度指的是语句执行次数;
时间复杂度
计算时间复杂度的方法:
- 用常数1代替运行时间中的所有加法常数
- 修改后的运行次数函数中,只保留最高阶项
- 去除最高阶项的系数
常数项 | O(1) |
对数项 | O(log2^n) |
线性阶 | O(n) |
线性对数阶 | O(nlog2^n) |
平方阶 | O(n^2) |
立方阶 | O(n^3) |
.......... | |
K次方阶 | O(n^k) |
指数阶 | O(2^n) |
举个例子;
常见排序的时间复杂度
最坏时间复杂度和平均时间复杂度
最坏情况下的时间复杂度称最坏时间复杂度。一般不特别说明,讨论的时间复杂度均是最坏情况下的时间复杂度。
这样做的原因是:最坏情况下的时间复杂度是算法在任何输入实例上运行时间的上界,这就保证了算法的运行时间不会比任何更长。
平均时间复杂度是指所有可能的输入实例均以等概率出现的情况下,算法的期望运行时间。设每种情况的出现的概率为pi,平均时间复杂度则为sum(pi*f(n))