目录
1.4 💎算法效率分析
1. 时间复杂度
(1)定义:
一个算法中的语句执行次数称为语句频度或时间频度,记为T(n),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。
📢 n↑,时间复杂度↑,算法执行效率↓
(2)计算
- 我们知道常数项对函数的增长速度影响并不大,所以当 T(n) = c,c 为一个常数的时候,我们说这个算法的时间复杂度为 O(1);如果 T(n) 不等于一个常数项时,直接将常数项省略。
- 我们知道高次项对于函数的增长速度的影响是最大的。n^3 的增长速度是远超 n^2 的,同时 n^2 的增长速度是远超 n 的。 同时因为要求的精度不高,所以我们直接忽略低此项。
- 因为函数的阶数对函数的增长速度的影响是最显著的,所以我们忽略与最高阶相乘的常数。
假设计算机运行一行基础代码需要执行一次运算,那么下边这个方法需要执行 2 次运算
int aFunc(void) {
printf("Hello, World!\n"); // 需要执行 1 次
return 0; // 需要执行 1 次
}
📢 T(n) = 2,其复杂度为O(1)
在for循环中
int aFunc(int n) {
for(int i = 0; i<n; i++) { // 需要执行 (n + 1) 次
printf("Hello, World!\n"); // 需要执行 n 次
}
return 0; // 需要执行 1 次
}
计算次数:n+1+n+1=2n+2
📢 T(n) = 2n+2,其复杂度为O(2n)
👀
T(n) = n^3 + n^2 + 29,此时时间复杂度为 O(n^3)。
T(n) = 3n^3,此时时间复杂度为 O(n^3)。
T(n) = n + 29,此时时间复杂度为 O(n)
单个循环体的推导
对于一个循环,假设循环体的时间复杂度为 O(n),循环次数为 m,则这个循环的时间复杂度为 O(n×m)。
void aFunc(int n) {
for(int i = 0; i < n; i++) { // 循环次数为 n
printf("Hello, World!\n"); // 循环体时间复杂度为 O(1)
}
}
此时时间复杂度为 O(n × 1),即 O(n)。
多重循环体的推导
对于多个循环,假设循环体的时间复杂度为 O(n),各个循环的循环次数分别是a, b, c...,则这个循环的时间复杂度为O(n×a×b×c...)。分析的时候应该由里向外分析这些循环。
void aFunc(int n) {
for(int i = 0; i < n; i++) { // 循环次数为 n
for(int j = 0; j < n; j++) { // 循环次数为 n
printf("Hello, World!\n"); // 循环体时间复杂度为 O(1)
}
}
}
此时时间复杂度为 O(n × n × 1),即 O(n^2)。
多个时间复杂度的推导
对于顺序执行的语句或者算法,总的时间复杂度等于其中最大的时间复杂度。
void aFunc(int n) {
// 第一部分时间复杂度为 O(n^2)
for(int i = 0; i < n; i++) {
for(int j = 0; j < n; j++) {
printf("Hello, World!\n");
}
}
// 第二部分时间复杂度为 O(n)
for(int j = 0; j < n; j++) {
printf("Hello, World!\n");
}
}
此时时间复杂度为 max(O(n^2),O(n)),即 O(n^2)。
条件语句的推导
对于条件判断语句,总的时间复杂度等于其中 时间复杂度最大的路径 的时间复杂度。
void aFunc(int n) {
if (n >= 0) {
// 第一条路径时间复杂度为 O(n^2)
for(int i = 0; i < n; i++) {
for(int j = 0; j < n; j++) {
printf("输入数据大于等于零\n");
}
}
} else {
// 第二条路径时间复杂度为 O(n)
for(int j = 0; j < n; j++) {
printf("输入数据小于零\n");
}
}
}
此时时间复杂度为 max(O(n^2), O(n)),即 O(n^2)。
🚩 时间复杂度分析的基本策略是:从内向外分析,从最深层开始分析。如果遇到函数调用,要深入函数进行分析。
时间复杂度参考:(2条消息) 十分钟搞定时间复杂度(算法的时间复杂度)_swadian2008的博客-CSDN博客_计算时间复杂度
2. 空间复杂度
(1)定义
算法整个运行过程中所占用的空间称为空间复杂度,记为S(n) = O(f(n)),n为问题的规模,空间复杂度记作S (n),S(n)依然使用大O来表示。利用程序的空间复杂度,可以对程序运行中需要多少内存有个预先估计。
(2)计算
空间复杂度为 O(1) 的eg🍭🍭🍭:
int j = 0;
for (int i = 0; i < n; i++) {
j++;
}
随着n的变化,所需开辟的内存空间不变,并不会随着n的变化而变化。即此算法空间复杂度为一个常量,所以表示为大O(1)。
空间复杂度为 O(n) 的eg🍭🍭🍭:
int* a = new int(n);
for (int i = 0; i < n; i++) {
a[i] = i;
}
定义的数组占用的大小为n,虽然有一个for循环,但没有分配新的空间,所以,这段代码的空间复杂度主要看第一行,随着n的增大,开辟的内存大小呈线性增长,即 O(n)。
空间复杂度是logn的情况有些特殊,在递归的时候,会出现空间复杂度为logn的情况