算法的时间复杂度和空间复杂度

算法的效率分为两种:时间效率空间效率
时间效率被称为时间复杂度,主要是衡量一个算法的运行速度。
空间效率被称为空间复杂度,主要衡量的是算法所需要的额外空间
时间复杂度

  1. 定义
    在计算机中算法的时间复杂度是一个函数,他定量的描述了一个算法的运行时间。一个算法执行的时候所需要的时间应当是执行的时候才能知道的,但是这样非常的麻烦,所以就有了时间复杂度这样的分析式子。一个算法所花费的时间与其语句的执行次数成正比,算法中的基本操作的执行次数为算法的时间复杂度。

  2. 大O的渐进表示法

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--) > 0) {
            count++;
        }
        System.out.println(count);
    }

这里Func1执行的基本操作次数为
F(N) = N ^ 2 + 2 * N + 10
我们发现
当N等于10时: F(N) =130
当N等于100时: F(N) =10210
当N等于1000时: F(N) =1002010
N越大10对于操作总次数的影响就越小,那操作次数更大的话,2*N对于基本操作次数的影响也非常的渺小
实际我们在计算时间复杂度的时候,其实并不一定要将执行次数计算的非常精确,只需要一个大概的执行次数,所以我们选择了大O渐进表示法

大O渐进表示法
(1)用常数1取代运行时间中所有加法常数
(2)在修改后的运行次数函数中,只保留最高阶项
(3)如果最高阶项存在且不为1,则除去与这个项相乘的常数

所以我们刚才的代码执行次数为F(N) = N ^ 2 + 2 * N + 10
根据第一条规定,将10变成1
N ^ 2 + 2 * N + 1
根据第二条规定,只保留最高阶项
N ^ 2
剩下的这一项没有与其相乘的常数
所以最终的时间复杂度就为 O(N^2)

我们通过大O渐进表示法将对结果影响不大的项去掉简明的表示出了执行次数

  1. 时间复杂度的三种情况
    (1)最好情况:任意输入规模的最小运行次数
    (2)最坏情况:任意输入规模的最大运行次数
    (3)平均情况:( 最好情况 + 最坏情况 )/ 2
    我们在运用的时候会使用平均情况

我们假设一段代码的最好情况是运行1次,最坏运行情况是N次,那么他的平均情况是运行(1+N)/2次
然后将平均情况用大O渐进表示法表示最终就变成了N
我们发现:平均情况中最坏情况一定有最高阶项,所以将加的最好情况去掉,之后的除以二也根据大O渐进表示法的第三项去掉,最终平均情况和最坏情况用大O渐进表示法表示时是完全一样的!

举几个例子
(1)F(N) = 2 * N + 10
它的时间复杂度为:O(N)
(2)F(N) = M+N
它的时间复杂度为:O(M+N)
当算法存在两种及以上的数据规模的时候都要保留,各自按各自的大O渐进表示法表示,而后进行相加
(3)F(N) = 100
它的时间复杂度为:O(1)
(4)F(N) = N ^ 2
它的时间复杂度为:O( N ^ 2)
(5)F(N) = log以2位底的N
它的时间复杂度为:O(logN)
若给定的算法数据规模为N,不断进行除法(无论除几),除到最后为1或0,他的时间复杂度都为O(logN)。因为log不同的底之间是可以相互进行转化的,logaN=logab*logbN,logab是一个常数可以用1代替,所以底对结果没有影响
(6)F(N) = 10N
它的时间复杂度为:O(N)
(7)F(N) =2 ^ N
它的时间复杂度为:O(2 ^ N )

空间复杂度

  1. 定义:是对一个算法在运行过程中临时占用存储空间的大小,它计算的是额外使用的变量的个数
  2. 空间复杂度的计算规则也要使用大O渐进表示法

举几个例子

  //1
  void bubbleSort(int[] array) {
       for (int end = array.length; end > 0; end--) {
           boolean sorted = true;
           for (int i = 1; i < end; i++) {
               if (array[i - 1] > array[i]) {
                   Swap(array, i - 1, i);
                   sorted = false;
               }
           }
           if (sorted == true) {
               break;
           }
       }
   }

他的空间复杂度为O(1),使用了常数个额外的空间

  //2
  int[] fibonacci(int n) {
        long[] fibArray = new long[n + 1];  //这里开辟新空间
        fibArray[0] = 0;
        fibArray[1] = 1;
        for (int i = 2; i <= n ; i++) {
            fibArray[i] = fibArray[i - 1] + fibArray [i - 2];
        }
        return fibArray;
    }

他的空间复杂度为O(N),动态开辟了N个空间

   //3
   long factorial(int N) {
           return N < 2 ? N : factorial(N-1)*N;
   }

他的空间复杂度为O(N),递归算法的运行需要开辟额外的空间,每进行一次递归,操作系统就会在栈上开辟一个栈帧空间

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值