算法效率，时间复杂度，空间复杂度

最新推荐文章于 2023-04-26 12:55:38 发布

hertioy

最新推荐文章于 2023-04-26 12:55:38 发布

阅读量1.8k

点赞数

分类专栏：数据结构

本文链接：https://blog.csdn.net/hertioy/article/details/90065843

版权

本文介绍了衡量算法效率的两个关键指标——时间复杂度和空间复杂度。时间复杂度关注算法运行速度，通过O渐进表示法来描述，通常关注最坏情况。二分查找的时间复杂度为O(logN)，而递归求斐波那契数列的时间复杂度为O(2^N)。空间复杂度则关注算法运行过程中所需的额外空间，如递归求斐波那契数列的空间复杂度为O(N)，而优化后的斐波那契算法空间复杂度为O(1)。常见的算法时间复杂度包括：for循环的O(1)，冒泡排序的O(N^2)，二分法的lgN，阶乘的N，以及斐波那契数列的O(2^N)。

摘要由CSDN通过智能技术生成

1.衡量一个算法好坏的标准在于其算法效率高，算法效率分为时间复杂度和空间复杂度，时间复杂度主要衡量一个算法的运行速度，空间复杂度主要衡量一个算法所需要的额外空间。一个算法好应该时间复杂度最低，空间复杂度最小。
2.时间复杂度就是衡量一个算法的运行速度，也就是时间效率。
3.算法的时间复杂度是一个函数，他定量描述了该算法的运行时间，一个算法执行所耗费的时间，是不能算出来的，是基本操作的执行次数。
4.时间复杂度的O渐进表示法，计算的是大概执行次数，是用于描述函数渐进行为的数学符号。（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，得到的结果就是O阶。
5.时间复杂度存在最好，平均和最坏情况：
最坏情况：任意输入规模的最大运行次数（N次找到）
平均情况：任意输入规模的期望运行次数（N/2次找到）
最好情况：任意输入规模的最小运行次数（1次找到）
时间复杂度看得是最坏情况，因为在实际中一般情况下关注的是算法的最坏运行情况。
6.二分查找
int arr[10]={0,1,2,3,4,5,6,7,8,9};
int size=0;
scanf("%d",&size);
int left=0;
int right=sizeof(arr)/sizeof(arr[0])-1;
int mid=left+(right-left)/2;
while(left<=ri