算法分析

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