数据结构::算法复杂度

       我们都知道一个问题有多种算法，而算法分析就是选择合适的算法和改进的算法。而一个算法的优劣性是从时间复杂度和空间复杂度来进行评判。那么接下来我们就来玩转时间，空间复杂度。

 一、时间复杂度

1、虽然叫时间复杂度但是不是计算时间的，因为你想如果我们要算出一个算法的实际运行时间，那岂不是要将它上机测试运行，每一个都要这样做就会很麻烦，并且我们有的可能还比较抽象，很难计算出来，任务量大，很花费时间。因此我们用算法中语句执行的次数来衡量它。

再啰嗦点:

1)一个算法所耗费的时间=算法中每条语句的执行时间之和

2)每条语句的执行时间=语句的执行次数(即频度(Frequency Count))×语句执行一次所需时间

3)算法转换为程序后，每条语句执行一次所需的时间取决于机器的指令性能、速度以及编译所产生的代码质量等难以确定的因素。

4)若要独立于机器的软、硬件系统来分析算法的时间耗费，则设每条语句执行一次所需的时间均是单位时间，一个算法的时间耗费就是该算法中所有语句的频度之和。

 

    实际上也可以这么说，时间复杂度就是函数，而这个函数不是我们语言中的函数，而是数学中的函数，这个函数计算的就是运行次数。

穿插两个小概念：

1）算法分析

1. 最坏情况：任意输入规模的最大运行时间。（上界）
2.平均情况：任意输入规模的期望运行时间。
3.最好情况：任意输入规模的最小运行时间，通常最好情况不会出现。（下界）
例如：在一个长度为N的线性表中搜索一个数据x。
最坏情况:N次比较。
平均情况:N/2次比较。
最好情况:1次比较。
在实际中我们通常情况考量的是算法的最坏运行情况。也就是说对于任意输入规模N，算法的最长运行时间，理由如下：
1. 一个算法的最坏情况的运行时间是在任意输入下的运行时间上界。
2. 对于某些算法，最坏的情况出现的较为频繁。

 

2）O的渐进表示法