目录
一、为什么引入这两个概念?
一个算法的效率主要看它完成任务所需的运行时间以及运行该算法占用的空间大小,对应就是时间复杂度和空间复杂度。
二、时间复杂度概念及计算
1、概念
所谓时间复杂度就是算法中基本操作的执行次数,注意是操作次数,不是具体时间,我们是站在算法的角度,不考虑硬件,因为不同性能的硬件平台运行同样算法时间是不一样的。
2、如何表示
实际计算时间复杂度并不需要精确计算次数,只需知道大概执行次数,一般使用大O渐进表示法。
表示规则如下:
1、运算次数为常数的情况,不论常数多大,都用常数1取代,计为O(1),示例代码如下:
for(int i=0;i<1000;i++)
{
sum+=i;
}
//此处固定for循环1000次,整体运算次数固定1000次加等运算,但是1000也是常量,所以时间复杂度为O(1)
2、 只保留最高阶,如F(N)=N^2+N,则 为O(N^2);
3、去除最高阶的系数,如F(N)=3N^2+N,仍为O(N^2)。
总结:去除对结果影响不大的项,如F=M+N,若不确定谁更大就都保留,若M>>N,则舍去N,求时间复杂度只考虑最坏情况,所以顺序表遍历查找时间复杂度就是O(N)。此外,时间复杂度里面习惯将简写为。显然,递归算法的时间复杂度=递归次数*每次递归函数中的次数。
如斐波那契数列用递归方式Fib(N)->Fib(N-1)+Fib(N-2)->Fib(N-2)+Fib(N-3)+Fib(N-3)+Fib(N-4)......
计算大概次数2^0+2^1+2^2......+2^(N-1),所以时间复杂度2^N(数列最后几项空缺对整体影响不大故忽略不计)。
三、空间复杂度概念及计算
1、概念及计算
度量一个算法运算过程中临时占用存储空间大小,同理不计算具体占用几个byte,而是估算存放变量个数,也用大O渐进表示法。
2、规则及示例
如对一个数组的内容冒泡排序,算法并没有额外开辟和数组元素个数相关的空间,所以空间复杂度为O(1),而采用DP处理斐波那契数列由于额外开辟了和数组等长的空间,所以空间复杂度为O(N)。而递归处理实质是在栈桢中一直开辟空间运行递归函数,最大空间就是从F(N)节点一直单链递归到F(0),总共 N层,每层临时空间大小是常数个,所以是N*常数=N。