我们如何去衡量一个算法的好坏呢?
通过算法效率
算法效率分析分为两种:
- 第一种是时间效率
- 第二种是空间效率
时间效率被称为时间复杂度,而空间效率被称作空间复杂度。
时间复杂度主要衡量的是一个算法的运行速度,而空间复杂度主要衡量一个算法所需要的额外空间,在计算机发展的早期,计算机的存储容量很小。所以对空间复杂度很是在乎。但是经过计算机行业的迅速发展,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
1.时间复杂度
时间复杂度的定义:
在计算机科学中,算法的时间复杂度是一个数学函数,它定量描述了该算法的运行时间。
一个算法执行所耗费的时间,从理论上说,是不能算出来的,只有你把你的程序放在机器上跑起来才能知道。
但是我们如果每个算法都上机跑一遍就会很麻烦,所以才有了时间复杂度这个分析方式。
一个算法所花费的时间与其中语句的执行次数成正比例,算法中的基本操作的执行次数,为算法的时间复杂度
大O的渐进表示法
我们用一张图来了解一下这个表示法
我们用大O的渐进表示法有下面这几个原则:
1、用常数1取代运行时间中的所有加法常数。
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是1,则去除与这个项目相乘的常数。得到的结果就是大O阶。
例如:在一个长度为N数组中搜索一个数据x
最好情况:1次找到
最坏情况:N次找到
平均情况:N/2次找到
我们分析一个算法的复杂度时,不要直接看它的代码,还要看它的思想
我们再通过几个例题试着计算一下时间复杂度
2.空间复杂度
- 空间复杂度是对一个算法在运行过程中临时占用存储空间大小的量度
- 空间复杂度不是程序占用了多少bytes的空间,因为这个没什么意义
- 空间复杂度算的是变量的个数
- 空间复杂度计算规则基本跟实践复杂度类似,也使用大O渐进表示法
示例
开辟了N个空间
ok,关于时间复杂度和空间复杂度就先介绍到这里