1.时间复杂度:
一个算法的执行时间这一变化趋势可表示为输入规模的一个函数,称之为时间复杂度(time compleity)
影响执行时间的因素有:
- 输入的实例规模
- 输入各元素的不同
- 输入次序
- 不同的硬件平台上
- 不同的操作系统
因此为了超脱于具体硬件平台和软件环境,我们将时间复杂度理解为算法中各条指令的执行时间之和(即算法执行基本操作的总次数)。
也就是说T(n)决定于组成算法的所有语句各自的执行次数,以及其中所含基本操作的数目。
实例规模n相同情况下:
规模为n的所有输入中选择执行时间最长者作为T(n),T(n)就是算法处理规模为n的问题所需的时间。
当实例规模n足够大时:
f(n)给出了T(n)增长速度的一个渐进上界,此时
T(n)=O(f(n)),即大O记号表示了一个函数的上限
1.1大O记号的性质(上界):
从这可以看出,大O记号的意义下,函数各项正的常系数可以忽略并且等同于1。后一性质则意味着,多项式中的低次项均可忽略,只保留最高项。
1.2下界
1.3确界
2.空间复杂度
算法所需存储空间的多少也是衡量其性能的一个重要方面,这就是空间复杂度(space complexity)。
其实相对时间复杂度而言,空间复杂度不是那么重要。就渐进复杂度的意义而言,在任一算法的任何一次运行过程中所消耗的存储空间,都不会多于其间所执行基本操作的累计次数。