代码的时间复杂度和空间复杂度

最新推荐文章于 2024-09-16 14:17:09 发布

lzoom777

最新推荐文章于 2024-09-16 14:17:09 发布

阅读量1.1k

点赞数

本文链接：https://blog.csdn.net/lzoom777/article/details/108134316

版权

本文详细介绍了代码的时间复杂度和空间复杂度概念。时间复杂度通过T(n)/f(n)的极限值来衡量算法效率，例如O(n2)表示随着问题规模n的增长，算法执行速度呈平方级下降。空间复杂度则关注算法运行中所需存储空间的增长关系，如O(1)表示常数空间复杂度，O(n)表示与数据规模成正比的空间需求。

摘要由CSDN通过智能技术生成

时间复杂度

一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数，用T(n)表示，若有某个辅助函数f(n),使得当n趋近于无穷大时，T（n)/f(n)的极限值为不等于零的常数，则称f(n)是T(n)的同数量级函数。记作T(n)=O(f(n)),称O(f(n)) 为算法的渐进时间复杂度，简称时间复杂度。
在各种不同算法中，若算法中语句执行次数为一个常数，则时间复杂度为O(1),另外，在时间频度不相同时，时间复杂度有可能相同，如T(n)=n2+3n+4与T(n)=4n2+2n+1它们的频度不同，但时间复杂度相同，都为O(n2)。

上面的代码没有任何意义，甚至不是一个可运行的代码，我只是用来说明你在以后如何对代码进行执行分析，关于代码本身可不可以运行，就不需要你在这关心了。

a = 1
b = 2
c = 3

for i in range(n):
    for j in range(n):
        x = i * i
        y = j * j
        z = i * j

for k in range(n):
    u = a * k + b
    v = c * c

d = 4

上面的代码其实我们要分的话可以分成 4 部分：第 1 部分是 a，b，c 这 3 个赋值语句，执行次数也就是 3 次；第二部分是