算法时间复杂度
定义:在进行算法分析时语句总的执行次数T ( n )是关子问题规模n的函数,进而分析 T( n )随n的变化情况并确定T(n)的数量级。算洼的时闽复杂度.也就是算法的时闽量度,记 : T ( n ) = O(f n)) 它表示随问题规模的增大,算法执行时间的增长率和 f(n)的增长率相同,称作算法的渐近时间复杂度,简称为时间复杂度。其中f(n)是问题规模n的某个函数。
常数阶:
对于分支结构而言,无论是真,还是假,执行的次数都是恒定的,不会随着 变大而发生变化,所以单纯的分支结构(不包含在循环结构中),其时间复杂度也是 0(1)。
线性阶:O(n)
对数阶:
平方阶:循环嵌套O(m*n) O(n^2)
最坏情况与平均情况 最坏时间复杂度、平均运行时间。一般在没有特殊说明的情况下,都是指最坏时间复杂度。
算法空间复杂度:算法的空间复杂度通过计算算法所需的存储实现,算法空间复杂度的计算公式记作: S(n)= O(f(n)) ,其中,n为问题的规模, f(n)为语句关于n所占存储空间的函数。
若算法执行时所帘的辅助空间相对于输入数据量而言是个常数,则称此算法为原地工作,空间复杂度为O(1).
摘自《大话数据结构》,之后可能针对自己常使用的C++语言添加相应内容