目录
算法在编写成可执行程序后,运行时需要耗费时间资源和空间(内存)资源 。因此衡量一个算法的好坏,一般是从时间和空间两个维度来衡量的,即时间复杂度和空间复杂度。
时间复杂度
一个算法所花费的时间与其中语句的执行次数成正比例,算法中的基本操作的执行次数,为算法的时间复杂度。
而一个算法的运行时间跟硬件配置有关系,所以同样一个算法是没办法算出准确时间的,为此引入大O渐进表示法。
大O渐进表示法
1、用常数1取代运行时间中的所有加法常数。
2、在修改后的运行次数函数中,只保留最高阶项。
3、如果最高阶项存在且不是1,则去除与这个项目相乘的常数。
举个例子,如下面的一个函数Func1:
void Func1(int N)
{
int count = 0;
for(int i=0;i<N;++i)
{
for(int j=0;j<N;++j)
{
++count;
}
}
}
for(int k=0;k<2*N;++k)
{
++count;
}
int M =10;
while(M--)
{
++count;
}
如果要精确的计算Func1中++count语句总共执行了多少次,我们可以得到一个总的时间复杂度函数式:F(N)=N*N + 2*N +10
如果利用大O渐进表示法,Func1函数的时间复杂度就是O(N^2)。因为随着N越来越大,后两项对结果的影响几乎可以忽略不计,通俗的说,时间复杂度就是算它是属于哪个量级。
空间复杂度
空间复杂度也是一个数学表达式,是对一个算法在运行过程中(额外)临时占用存储空间大小的量度。空间复杂度计算规则基本跟时间复杂度类似,也使用大o渐进表示法。
举个例子,计算下列冒泡排序的空间复杂度:
void Bubble(int* a, int n)
{
assert(a);
for (size_t end = n; end > 0; --end)
{
int exchange = 0;
for (size_t i = 1; i < end; ++i)
{
if (a[i-1] > a[i])
{
Swap(&a[i-1], &a[i]);
exchange = 1;
}
}
if (exchange == 0)
break;
}
}
空间复杂度看的是额外开辟的空间,冒泡排序中已知的数组不算,而新定义的变量end,exchange, i 三个才是 (细算的话swap里面的tmp也算),根据大o渐进表示法,冒泡排序的空间复杂度是O(1)。