前言:
在一个算法中,我们如何衡量一个算法的好坏呢?可以去看该算法的复杂度;那么该算法的复杂度又是怎么衡量的呢???
我们可以去关注他的时间复杂度和空间复杂度
一、时间复杂度
用来衡量算法的运行快慢的函数(指的数学里面的函数),算法中的基本操作的执行次数就是时间复杂度
基本执行次数(先立F(N)函数)
二、如何计算(用到大O渐进法)
注:计算的是估算值,并不是精确值,因为运行时间很快,无法做到精确
1、用例子来告诉你
//循环执行的的次数为N 得到如下函数
循环了N*N次
循环N*N+N
循环N*N*N次
循环N+M次
循环2*N次
循环10次
以上几个简单例子为例,讲解下大O渐进法
他们的大O(时间复杂度)
就是O( ) 在括号里填上他的变量,其他省略掉
2、时间复杂度关注的是最坏的情况
就好比,你今天去约会,你4点下班,你到约会地点不堵车,正常下班,大概花20分钟,但是如果出现最糟糕的情况需要1个小时,还有一个你的期望值,就是你规定几点见面,就能几点到。那么你约定时间是不是应该选择最晚的情况,这样确保自己无论如何都不会迟到。你要知道你若老是失约,是容易让对方失望滴,所以上面N^2+N 为啥表达出来为 O(N^2) 也可以这么理解
最好情况:
任意输入规模的最小运行次数(下界)
平均情况:
任意输入规模的期望运行次数
最坏情况:
任意输入规模的最大运行次数(上界)
例如:冒泡排序最少是不是就是n*1 => O(N)
最多就要N*(N-1)=> O(N^2) 由 [N*(N-1)= N*N-N ]推出
3、 总结:
其实就是将函数取极限值(无限趋于无穷大)进行比较,时间复杂度是O(N)
因为趋于0的话,CPU运行速度很快,所以不能用->0进行比较时间复杂度 ;当然O越大说明需要花费的时间越多,时间复杂度越复杂,这个算法也就越差,一般情况下O(N^4)是不太可能的出现,因为运行时间太长,能写出这样的程序你可以全铺盖走人了
值得注意的是:不要只看循环里面 i< N 这个表达式,因为我们算时间复杂度,看的是操作执行的次数,要用电子智慧哦!!!!!!!!!!!!!!!!!!!!!
三、列举一些情况:
下面黑体字中x并不是代码循环里面的x,黑体x是循环次数
二分查找的次数也是一个对数函数 所以为O(log)'
二分查找函数mid可以换成int mid = begin + (end - begin) >> 1; 为了防止溢出
关于while循环中写 begin<=end begin < end
想当于看区间 [begin,end] [begin,end)f