本文详细介绍了算法复杂度的概念，包括时间复杂度和空间复杂度。通过对时间复杂度的渐进符号如O、Θ、Ω的讲解，阐述了算法执行时间的增长趋势。内容涵盖常数、线性、平方、阶乘、对数及线性对数等常见时间复杂度的计算方法，并探讨了最佳、最坏、平均时间复杂度。此外，还简述了空间复杂度的计算，包括常数和线性空间复杂度。
1. 算法复杂度简介
算法复杂度（Algorithm complexity）：在问题的输入规模为 n 的条件下，程序的时间使用情况和空间使用情况。
「算法分析」的目的在于改进算法。
正如上文中所提到的那样：算法所追求的就是 所需运行时间更少（时间复杂度更低）、占用内存空间更小（空间复杂度更低）。所以进行「算法分析」，就是从运行时间情况、空间使用情况两方面对算法进行分析。
要比较两个算法的优劣通常有两种方法：
- 事后统计：将两个算法各编写一个可执行程序，交给计算机执行，记录下各自的运行时间和占用存储空间的实际大小，从中挑选出最好的算法。
- 预先估算：在算法设计出来之后，根据算法中包含的步骤，估算出算法的运行时间和占用空间。比较两个算法的估算值，从中挑选出最好的算法。
大多数情况下，我们会选择第 2 种方式。因为第 1 种方式的工作量实在太大，得不偿失。另外，即便是同一个算法，用不同的语言实现，在不同的计算机上运
订阅专栏 解锁全文
扫一扫
809
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
