算法的复杂度

算法的复杂度

时间复杂度

• 计算机算加减的时间很短，所以主要看算法中做了几次乘除。

  

  空间复杂度

• 看一个递归打印100000个数的例子

  

• 因为系统每一次都要划分一块内存出来保存程序的一个状态，但是系统的内存就那么多，数据一大，就很容易非正常退出（爆掉）。
• 上述例子的空间复杂度跟数据量N成正比

  平均复杂度与最坏情况复杂度

  

• 常分析最坏情况复杂度，因为平均是很难计算的

  复杂度的渐进表示法

  

• 第一个函数是T(n)的上界，比如前面T(n)=C1n^2+C2n,当n充分大时，n^2的作用远远大于n，所以我们可以只考虑n^2.通常上界我们取能取到的最小的上界。比如说T(n)=n，上界可取n^2,n^3…，但为了符合实际，我们取最小的。
• 第二个是下界，下界取最大
• 空间复杂度也一样
• 一些复杂度随输入规模的变化

  

• 1代表常数，复杂度不随输入规模变化的意思
• log n不写底数是因为相差只是个常数倍，无关紧要的

  

• 看到n^2的时候，想一下能不能降成nlog n,这样就会快很多。
• 例子：

  

• 为什么是n^3呢？因为这里面有三重循环，最里面一重循环虽然看不太出来是n次的，但其实也是（反正跟循环次数肯定跟数据量有关这个看得出来吧）

  

• 将两段算法拼在一起的时候，复杂度上界就是两个上界取大。
• 嵌套则是上界相乘。
• 算法实例：第一讲->1.3最大子列和(分而治之和在线处理太恐怖了)