引入
首先看一个菲波那契数列的算法
int Fib(int N)
{
if (N < 3)
return 1;
else
return Fib(N - 1) + Fib(N-2);
}
写完这个算法后,首先思考一下这个算法是不是最好的?不是,是否还有什么可以改进的地方,其实,衡量一个算法的好坏,是用算法的复杂度来衡量的。
正文
1.算法效率
算法效率分为两种: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,二空间效率被称为空间复杂度。时间复杂度主要衡量的是一个算法的运算速度,而空间复杂度主要衡量的是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重视。但是经过计算机行业的发展,计算机的存储容量已经达到了很高的程度。所以如今我们已经不需要特别关注一个算法的空间复杂度了。
2.时间复杂度
2.1时间复杂度概念
定义:在计算机科学中,算法的时间复杂度是一个函数,它定量的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,只有你吧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在机器上测试吗?是可以都测试,但是很麻烦。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。
2.2大O的渐进表示法
我们先来看一个简单程序考虑一下该程序计算的次数:
// 请计算一下Func1基本操作执行了多少次?
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);
}
FNC1执行的基本次数:
N = 10 F(N) = 130
N = 100 F(N) = 10210
N = 1000 F(N) = 1002010
基本语句: ++count ———>该语句的总的执行次数
在这里,我们可以用这个数学表达式表示该程序的时间复杂度。它是关于问题规模N的数学表达式,计算算法中某条语句的总的执行次数。这里我们用大O的渐进表示法来表征一个算法的计算次数。
大O符号(Big O notation): 用于描述函数渐进行为的数学符号。
推导大O阶方法:
1. 用常数1取代运行时间中的所有加法常数。
说明:如果计算的F(N) = 100 则大O阶方法表示为:
O(F(N)) = O(100)——>O(1)
也就是说,O(常数)就可以替换为O(1)。
2. 在修改后的运行次数函数中,只保留最高阶项。
说明:O(F(N))——>O(N^2)
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。
使用大O的渐进表示法以后,Func1的时间复杂度为: