算法分析很简单,就是时间复杂度和空间复杂度
首先需要说明的是:
需要计算的时间和空间都是额外的的时间和空间!!!
也就是说必要的时间和空间是不需要计算的!
必要的输入时间和空间是不用计算的,输入N个数据不可能比O(N)小,需要计算的是算法的时间
1、空间复杂度
常见的空间复杂度是O(1)和O(N),我也分析出来过其他的,结果很自然地就错了,所以先暂时认为空间复杂度只有这两种吧(请初学者不要这么想,别让我误人子弟,水平不足请见谅)
基本上使用了数组或是递归的就是O(N)了
2、时间复杂度
这里需要提一句的就是:
如果算法用常数时间将问题的大小削减为其一部分(常为1/2),那么算法是O(logN)的
如果算法用常数时间把问题削减了一个常数,那么算法是O(N)的
这里总结两种常见的递归分析方法
首先递归一定要写出来递归式,这是分析的基础
1、T(N) = 2T(N/2)+1型
不断地展开T(N),可以得到
T(N)=2T(N/2)+1 = 2( 2T(N/4)+1 )+1=……
然后这样不断地展开,假设进行了k次,最终得到的是T(N / 2^k),然后假设此时得到了T(1),也就是base case,那也就是说N = 2^k
T(N) = 2^k T(1) + 2^(k-1) +2^(k-2) +……+ 1
那么T(1)=1,可以得到T(N) = N*T(1) + 2^k -1 = N +N -1,所以T(N)的时间复杂度是O(N)
2、T(N) = 2T(N/2)+N型
整体除以N,可以得到
T(N)/N = T(N/2) / (N/2) +1
然后就是高中常用的累加法,累加得到结果
T(N)/N = logN
所以T(N)的时间复杂度是O(NlogN)
最后说一个常考的斐波那契
T(N) = T(N-1) + T(N-2) + 1
时间复杂度介于 (3/2)^N 和 (5/3)^N之间
空间复杂度是O(N) (因为同时存放了N个值,注意递归是先递归了T(N-1)之后再去递归的T(N-2))