算法的时间复杂度
数据结构:在内存中存储管理数据
数据库:在磁盘中存储管理数据
书籍:严蔚敏–数据结构 C实现 殷人昆–数据结构 C++实现
算法的复杂度
衡量一个算法的好坏,一般从时间和空间两个维度来衡量的。
时间复杂度主要衡量一个算法的运行快慢,而空间复杂度主要衡量一个所需要的额外空间。
不太关注空间,主要关注时间(由于存储容量已经达到了很高的程度,不需要关注算法的空间复杂度)
时间复杂度
算法的时间复杂度是一个函数,算法的基本操作的执行次数,为算法的时间复杂度。
冒泡排序: O ( N 2 ) O(N^2) O(N2)
快速排序: O ( N l o g N ) O(NlogN) O(NlogN) l o g log log是以2为底的
大O渐进表达式
准确时间复杂度函数式。不方便在算法之间进行比较
大O符号:是用于描述函数渐进行为的数学符号
推导大O阶表达式:
1.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.如果最高阶存在且不是1,则去除于这个项目相乘的常数,得到的结果就是大O阶
O ( 1 ) O(1) O(1):不是1次而是常数次
例子
const char * strchr (const char* str, int character);
//查找一个字符
//O(n)
最好情况:任意输入规模的最小运行次数
最坏情况:任意输入规模的最大运行次数
平均情况:任意输入规模的期望运行次数
时间复杂度是以最坏的情况复杂度计算的。
算时间复杂度不能去数循环,这个不一定准确,一定要看算法思想进行计算。
冒泡排序: F ( N ) = N − 1 + N − 2 + N − 3 + N − 4 + . . . . . . + 2 + 1 = n ∗ ( n − 1 ) 2 F(N) = N-1 +N-2 +N-3 + N-4 +...... +2+1 =\frac{n*(n-1)}{2} F(N)=N−1+N−2+N−3+N−4+......+2+1=2n∗(n−1)
最好:O(N) =N-1
二分查找: O ( N ) = l o g N O(N)=logN O(N)=logN
时间复杂度是计算算法执行的次数,不是语句个数。语句是多条,但肯定是常数。
因为要在文本中写对数不好写,而时间复杂度中, l o g 2 N log_2N log2N经常出现,所以把他简写为logN,有简写成lgN,不太对,但可以理解为 l o g 2 N log_2N log2N
异或:相同为0,相异为1,不按顺序,两次异或,就消失了。
故查找缺失的值,0与数组先异或,在于1-N异或,剩下就是缺失的数。