算法复杂度,一般包括时间复杂度和空间复杂度。
通常,我们都是使用“时间复杂度”来指运行时间的需求,使用“空间复杂度”来指空间需求。
当直接让我们求“复杂度”,一般默认是“时间复杂度”
显然,对时间复杂度的追求更是研究算法效率的潮流。
时间复杂度:
对于输入规模n,时间复杂度定义为T(n)=O(f(n)),其中f(n)是一个关于n执行次数(运行时间)函数。f(n)随着n的变化而变化,因此T(n)只与n相关。
常用时间复杂度类型所小号的时间从小到大依次是:
O(1) < O(logn) < O(n) < O(nlogn) < O(n ^ 2) < O(n ^ 3) < O( 2 ^n)
<O(n!) < O(n^n)
大O阶攻略:
1.只考虑n的最高次阶数
2.n前面的系数可以忽略
3.f(n)后的常数可以忽略
比如:O(f(n))其中f(n) = 3n^3 + 2n^2 + 10
其时间复杂度为O(n^3)
空间复杂度
(一般研究计算机算法,没多大必要考虑)
定义:S(n)=O(f(n)),n为问题规模,f(n)为关于n所占存储空间的函数