事后统计法
将代码跑一遍,通过统计、监控,就能得到算法执行的时间和占用的内存大小。
但是这种方法有非常大的局限性
- 测试结果非常依赖测试环境;
- 测试结果受数据规模的影响很大;
大O复杂度表示法
算法的执行效率,粗略的讲,就是算法代码执行的时间。
T(n)=O(f(n))
T(n)表示代码执行的时间;n表示数据规模的大小;f(n)表示每行代码执行的次数总和;O表示代码的执行时间T(n)与f(n)表达式成正比。
大O时间复杂度表示法表示代码执行时间随数据规模增长的变化趋势。
时间复杂度分析
- 只关注循环执行次数最多的一段代码
- 加法法则:总复杂度等于量级最大的那段代码的复杂度
- 乘法法则:嵌套代码的复杂度等于嵌套内外代码复杂度的乘积
几种常见时间复杂度
可粗略的分为 多项式量级 和 非多项式量级 。下划线表示 非多项式量级。
最好情况时间复杂度
在最理想的情况下,执行这段代码的时间复杂度。
最坏情况时间复杂度
在最糟糕的情况下,执行这段代码的时间复杂度。
平均情况时间复杂度
该情况也叫做加权平均时间复杂度,引入概率问题进行复杂度计算。
均摊时间复杂度
对一个数据结构进行一组连续操作中,大部分情况下时间复杂度都很低,只有个别情况下时间复杂度比较高,而且这些操作之间存在前后连贯的时序关系,这个时候,就可以将这一组操作放在一块儿分析,看是否能将较高时间复杂度那次操作的耗时,平摊到其他那些时间复杂度比较低的操作上。而且,在能够应用均摊时间复杂度分析的场合,一般均摊时间复杂度就等于最好情况时间复杂度。