数据结构与算法--时间复杂度

Author: Lijb
Email: lijb1121@163.com

绪论

1. 逻辑结构:
	是指数据对象中，数据元素之间的相互关系。
        1.集合结构---元素之间没有关系
        2.线性结构---元素之间一一对应
        3.树形结构---元素之间一对多
        4.图形结构---元素这几件多对多
2. 物理结构
	是指数据的逻辑结构在计算机中的存储形式。
		1.顺序存储
		2.链式存储

• 算法的五大基本特点

1. 输入
2. 输出
3. 有穷性	---不能出现死循环
4. 确定性	---每一个输入对应唯一的结果
5. 可行性	---每一步都是可行的

算法效率的度量方法

如下结论：
	判定一个算法的执行效率时，函数中的常数和其他次要项可以忽略不计，只关注主要项（最高项）的阶数。

时间复杂度

1. 定义
	在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，进行分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度，也就是算法的时间量度，记作：T(n)=O(f(n))。
	它表示随问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐进时间复杂度，简称为时间复杂度。其中f(n)是问题规模n的某个函数。
		说明：
            1. 执行次数==时间
            2. 用大写O()来体现算法时间复杂度的写法称为大O记法
            3. 一般情况下，随着输入规模n的增大，T(n)增长最慢的算法称为最优算法

• 推导大O阶方法

1. 用常数1取代运行时间中的所有加法常数--如O(8--->O(1)
2. 再修改后的运行次数函数中只保留最高阶项--如O(n+1)--->O(n)
3. 如果最高阶项存在且不是1，则去除与该项相乘的常数。--如O(2n*n)--->O(n*n)
4. 得到的最终结果就是大O阶

线性阶

线性阶：一般含有非嵌套循环（单层循环）含有线性阶，就是随着问题规模的扩大，对应计算次数呈直线增长。

例如：单层循环求和—>时间复杂度为O(n)

int n=100,sum=0;
for (int i = 0; i < n; i++) {
    sum+=i;
}

平方阶

平方阶：双层循环嵌套时间复杂度为O(n^2),同理三层循环嵌套时间复杂度为：O(n^3)
	外层循环循环1次，内层循环需要循环n次，外层循环循环n次那么整个循环就为n*n次，因此记为平方阶。

对数阶

int i=1,n=100;
while (i<n){
    i=i*2;
}
/**
 * 因为每次n乘以2以后，就距离n更近一些,那么假设有x个2相乘之后大于活等于n,则会全部退出循环。
 * 于是，2^x=n;
 * 那么，x=log(2)n；
 * 所以这个循环的时间复杂度为O(logn)
 */

常见的时间复杂度

例子	时间复杂度	术语
5201314	O(1)	常数阶
3n+4	O(n)	线性阶
3n2+4n+5	O(n2)	平方阶
3log+4	O(logn)	对数阶
2n+3log2n+4	O(nlogn)	nlogn阶
n3+2n2+4n+6	O(n3)	立方阶
2n	O(2n)	指数阶

常用的时间复杂度所耗费的时间从小到大的顺序为：

O(1)<O(logn)<O(n)<O(nlogn)<O(n²)<O(n³)<O(2ⁿ)<O(n!)<O(nⁿ)

空间复杂度

1. 定义：算法的空间复杂度通过计算算法所需的储存空间实现，算法的空间复杂度的计算公式记作：S(n)=O(f(n)),其中n为问题的规模，f(n)为语句关于所占存储空间的函数。

注：一般情况下，求算法的复杂度时，默认的是时间复杂度！