时间复杂度与空间复杂度
时间复杂度
算法的基本操作的执行次数,为算法的时间复杂度。
我们使用大O渐进法
推导大O阶方法:
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.如果最高阶项存在且不是1,则去除与这个项目相乘的常数。得到的结果就是大O阶。
void func1(int N){
int count = 0;
for (int i = 0; i < N ; i++) {
for (int j = 0; j < N ; j++) {
count++;
}
}
for (int k = 0; k < 2 * N ; k++) {
count++;
}
int M = 10;
while ((M--) > 0) {
count++;
}
func1的基本执行次数:
F(N) = N^2 + 2*N +10
第一个for循环是个循环嵌套,也就是n*n,可以写成n^2
第二个for循环2*n
第三个m=10,也就是说循环了10次,按照推到大O阶的方法我们可以得出结果
func1的时间复杂度为:O(N^2)
注意,一般情况下计算的都是最坏情况下。
冒泡排序
void bubbleSort(int[] array) {
for (int end = array.length; end > 0; end--) {
boolean sorted = true;
for (int i = 1; i < end; i++) {
if (array[i - 1] > array[i]) {
Swap(array, i - 1, i);
sorted = false;
}
}
if (sorted == true) {
break;
}
}
}
这个时间复杂度就是O(N^2)。
二分查找
int binarySearch(int[] array, int value) {
int begin = 0;
int end = array.length - 1;
while (begin <= end) {
int mid = begin + ((end-begin) / 2);
if (array[mid] < value)
begin = mid + 1;
else if (array[mid] > value)
end = mid - 1;
else
return mid;
}
return -1;
}
二分查找的时间复杂度
O(logn)
注意!!任意算法,若是不断/任意数字,最终等于0或者1,这个算法的执行次数就是O(logn)。
阶乘递归的时间复杂度O(N)
个递归函数的时间复杂度度,要把这个递归函数展开,看一下递归的次数与变量N的关系
空间复杂度
所谓空间复杂度指的是算法在执行过程中额外开辟的内存空间。
通常用的空间复杂度为O(1),O(N)。如果达到n^2这种算法需要的空间就太大了,一般不建议使用。
关系
空间复杂度
所谓空间复杂度指的是算法在执行过程中额外开辟的内存空间。
通常用的空间复杂度为O(1),O(N)。如果达到n^2这种算法需要的空间就太大了,一般不建议使用。