时间复杂度:
定义:
在计算机科学中,算法的时间复杂度是一个函数,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。但是我们需要每个算法都上机测试吗?是可以都上机测试,但是这很麻烦,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,算法中的基本操作的执行次数,为算法的时间复杂度。
注:上述所指函数,是数学当中的函数
分析以下代码的执行次数:
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;
}
printf("%d\n", count);
}
int main()
{
Func1(10);
return 0;
}
时间复杂度的函数式:F(N)=N*N+2*N+10
N越大,后两项对结果的影响越小
实际中我们计算时间复杂度时,我们其实并不一定要计算精确的执行次数,而只需要大概执行次数,那么这里我们使用大O的渐进表示法。
大O的渐进表示法:
推导大O阶的基本方法:
1.用常数1取代运行时间中的所有加法常数。
void Func2(int N)
{
int count = 0;
for (int k = 0; k < 100; ++k)
{
++count;
}
printf("%d\n", count);
}
此代码的时间复杂度为O(1),O(1)并不代表只执行一次,而是执行常数次
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(如果有常数项除去常数项)
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);
}
上述代码时间复杂度为O(N)
另外有些算法的时间复杂度存在最好、平均和最坏情况:
最坏情况:任意输入规模的最大运行次数(上界)
平均情况:任意输入规模的期望运行次数
最好情况:任意输入规模的最小运行次数(下界)
例如:在一个有N个数据的数组当中,查找一个数字Y:
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
例:冒泡排序
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;
}
}
上述代码为冒泡排序:时间复杂度则为O(N^2)
因为冒泡排序,第一次排序需要n-1,第二次为n-2,依次类推到最后一个数,相加也就是等差数列的和。
例:二分查找
int BinarySearch(int* a, int n, int x)
{
assert(a);
int begin = 0;
int end = n - 1;
while (begin <= end)
{
int mid = begin + ((end - begin) >> 1);
if (a[mid] < x)
begin = mid + 1;
else if (a[mid] > x)
end = mid - 1;
else
return mid;
}
}
二分查找每次能查找一半,因此第一次查找N/2,第二次就是N/2的二分之一,依此类推,最后剩一个数,相加为等比数列求和
空间复杂度:
定义:空间复杂度是算法在运行过程中临时占用存储空间大小的量度 。
例如:上述代码冒泡排序空间复杂度为O(1)
long long Fib(size_t N)
{
if (N < 3)
return 1;
return Fib(N - 1) + Fib(N - 2);
}
该代码的空间复杂度为O(N)
空间是可以重复利用的,不累计的
时间则是一去不复返,累计的