如何衡量一个算法的性能呢?
一般从算法的复杂度方面进行比较,而复杂度又分为时间复杂度和空间复杂度。
时间复杂度
时间复杂度实际就是一个函数,该函数计算的是执行基本操作的次数。
算法存在最好,平均和最坏情况
最坏情况:任意输入规模的最大运行次数(上界)
平均情况:任意输入规模的期望运行次数
最好情况:任意输入规模的最小运行次数,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
最好情况:1次比较
最坏情况:N次比较
平均情况:N/2次比较
在实际中通常关注的是算法的最坏运行情况,即:任意输入规模N,算法的最长运行时间,理由如下
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
对于某些算法,最坏的情况出现的较为频繁
大体上看,平均情况与最快情况一样差
因此,一般情况下使用O渐进表示计算算法的时间复杂度。
void Test1(int n)
{
int iCount = 0;
for (int iIdx = 0; iIdx < 10; ++iIdx)
{
iCount++;
}
for (int iIdx = 0; iIdx < 2*n; ++iIdx)
{
iCount++;
}
}
时间复杂度:f(n)=2n+1或者O(n)
一般算法O(n)计算方法:
1.用常数1取代运行时间中的所有加法常数
2.在修改后的运行次数函数中,只保留最高阶项
3.如果最高阶项系数存在且不是1,则去除与这个项相乘的常数
递归算法:
递归算法时间复杂度:递归总次数*每次递归数
空间复杂度
空间复杂度:函数中创建对象的个数关于问题规模函数表达式,一般情况下用O 的渐进表示法表示
int Sum(int N)
{
int count = 0;
for(int i = 1; i <= N; ++i)
count += i;
return count;
}
空间复杂度:
O(1)
递归算法:
递归算法空间复杂度:递归的深度*每次递归所含的变量