一.算法(Algorithm):就是定义良好的计算过程,他取一个或一组的值为输入,并产生出一个或一组值作为输出。简单来说算法就是一系列的计算步骤,用来将输入数据转换成输出结果。
二.如何衡量一个算法的好坏呢?
衡量一个算法的好坏,一般从时间和空间两个维度来衡量。即时间复杂度和空间复杂度。时间复杂度主要是衡量一个算法的运行快慢,而空间复杂度主要衡量一个算法运行所需要的额外的空间。不过随着计算机的快速发展,计算机的存储容量已经达到了很高的程度。所以我们如今已经不需要再特别关注一个算法的空间复杂度。
三.时间复杂度
1.在计算机科学中,算法的时间复杂度是一个函数公式T(N),它定量描述了该算法的运行时间。时间复杂度是衡量程序的时间效率。
注意这里我们计算的是算法的运行时间,而不是整个程序的运行时间。
1.因为程序的运行时间和编译环境和运行机器的配置都有关系,比如同一个算法在老编译器上运行和在新编译器上运行的时间不同。
2.同一个算法程序,用一个老低配置的机器和新高配置的机器,运行时间也不同。
3.并且时间只能程序写好后测试,不能写程序前通过理论思想计算评估。
2. T(N)公式
这个T(N)函数式计算了程序的执行次数。执行次数就可以代表程序时间效率的优劣。
举个例子:
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;
}
}
Func1执行的基本操作次数:
T(N)=N^2+2*N+10
N=10 T(N)=130
N=100 T(N)=10210
N=1000 T(N)=1002010
通过对N取值分析,对结果影响最大的一项是N^2,我们在计算时间复杂度的时候,计算的也不是程序的精确执行次数,我们只需要计算程序能代表增长量级的大概执行次数,复杂度的表示通常用大O的渐进表示法。
四.大O的渐进表示方法
1.时间复杂度函数式T(N)中,只保留最高阶项,去掉那些低阶项,因为当N在不断变大时低阶项对结果影响越来越小,当N无穷大时,就可以忽略不计了。
2.如果最高阶项存在且不是1,则去除这个项目的常数系数,因为当N不断变大时这个系数对结果的影响越来越小,当N无穷大时,就可以忽略不计。
3.如果T(N)中没有N相关的项目,只有常数项,用1取代。
举个例子:
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);
}
计算Func2的时间复杂度:
T(N)=2*N+10,则用大O表示法为:O(N).
注意:
五.空间复杂度
和时间复杂度一样空间复杂度也使用大O表示法。是对一个算法在运行过程中所需要的额外临时开辟的空间进行计算,空间复杂度不是指程序占用了多少空间,而是计算变量的个数。
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;
}
}
计算冒泡排序的空间复杂度:BubbleSort额外申请的空间有exchange等,使用了常熟数个额外空间,因此空间复杂度为O(1).