算法分析
1 时间复杂度
1.1 T(n):运行算法所需要的时间T是问题规模n的函数,记做T(n)
1.1.1 问题规模(problemscope):输入量的多少
1.1.2 基本语句(basic statement)是执行次数与整个算法的执行次数成正比的语句
1.1.3 为了客观地反映一个算法的运行时间,可以用算法中基本语句的执行那个次数来度量算法的工作量
1.2 渐进符号
1.2.1 大O符号
1.2.1.1 大O符号 :若存在两个正的常数c和n0,对于任意n>=n0,都有T(n)<=cxf(n),则称T(n)=O(f(n)) (或称算法在O(f(n))中)
1.2.2 大Ω符号:
1.2.2.1 大Ω符号:若存在两个正的常数c和n0,对于任意n>=n0,都有T(n) >=cXg(n) ,则称T(n) =Ω(g(n))(或称算法在Ω(g(n))中)
1.2.3 大Θ符号:
1.2.3.1 大Θ符号:若存在正的常数c1,c2和n0,对于任意的n>=n0,都有c1Xf(n)>=T(n)>=c2Xf(n),则称T(n)=Θ(f(n))
2 空间复杂度