算法在编写成可执行语句后,运行需要耗费时间和空间资源,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。时间复杂度主要衡量一个算法的运行快慢,而空间复杂度是对算法运行的所需空间一个衡量。
void Test(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++;
}
printf("%d", count);
}
算法的时间复杂度就好比是一个数学函数,算法中基本数据操作的次数就是算法的时间复杂度。
该代码的具体操作次数是:F(N) = N² + 2*N +10
但是我们在实际操作计算时间复杂度的时候,我们其实并不一定要计算精确的执行次数,我们只需要知道大概的执行次数就好,什么是大概,大概就是我们要将的核心:大O的渐进表示法。
计算大O阶的方法
1、所有的常数统统计算为 1(这里的 1 要理解成常数次,不是单纯的1次)
2、在计算运行次数之后要取最高阶项(最高阶存在且不是1的情况下就要去除与这个函数有关的常数保留最高阶,该结果就是大O阶)
所以代码 Test 的时间复杂度用大O阶表示为:O(N²)
N² + 2*N +10 转换为 O(N²) :我们发现大O阶去掉的是对结果影响不大(影响没有最高阶大)的项,很简洁的表示出了执行次数。再给各位看官上两段代码
void Test2(int N, int M)
{
int count = 0;
for (int k = 0; k < M; k++)
{
count++;
}
for (int k = 0; k < N; k++)
{
count++;
}
printf("%d\n", count);
}
void Test3(int N)
{
int count = 0;
for (int k = 0; k < 100; k++ )
{
count++;
}
printf("%d\n", count);
}
Test3 的数学函数次为:100
*Test2 的数学函数 次为:M+N
(大O阶的答案可私信我,一起学习互相交流)
*一般的常见的时间复杂度:
空间复杂度的计算和时间复杂度相似,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临时占用存储空间大小的量度 ,也可以说是计算变量的个数。
void BubbleSort(int* a, int n)
{
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;
}
}
所以冒泡排序的空间复杂度用数学函数表示为3,大O阶表示为O(1).