文章目录
前言
菜鸟大可正式上线,快大三的人还是一个数据结构的初学者。流水不争先,争的是滔滔不绝。
活到老学到老,加油!
一、用什么衡量算法的好坏?
主要用时间复杂度和空间复杂度来衡量算法的好坏。
时间复杂度主要衡量的是一个算法的运行速度,而空间复杂度主要衡量一个算法所需要的额外空间
二、时间复杂度:一个数学函数,算法中的基本操作的执行次数
void func1(int N){
int count = 0;
for (int i = 0; i < N ; i++) {
for (int j = 0; j < N ; j++) {
count++;
} //for循环嵌套 执行 N^2次
}
for (int k = 0; k < 2 * N ; k++) {
count++;
} //for循环 k<2*N 循环2*N次
int M = 10;
while ((M--) > 0) {
count++;
} //While M--为循环条件 执行了10次
System.out.println(count);
}
F(N) = N^2 + 2 * N + 10
N^2 远大于后面的两项 去掉了那些对结果影响不大的项
所以 O(N) = N^2
在实际中一般情况关注的是算法的最坏(上界)运行情况,所以数组中搜索数据时间复杂度为O(N) (最好运行情况就是下界)
三、空间复杂度:临时占用存储空间大小的量度
四、大O渐进法
大O表示法只是对程序执行时间的一个估算
大O表示法只保留最高阶项
大O表示法会保留一个系数来更准确的表示复杂度(不会表示精确的次数,因为cpu运算极快,去估计精确的也没有什么卵用)
大O表示法一般表示的是算法最差的运行时间
五、一道计算题
设某算法的递推公式是T(n)=T(n-1)+n,T(0)=1,则求该算法中第n项的时间复杂度为()
T(n)=T(n-1)+n
=T(n-2)+T(n-1)+n
=T(n-3)+T(n-2)+T(n-1)n
=T(0)+1+2+3++……+(n-1)+n
n次 故时间复杂度为:O(n)