时间复杂度
概念:
在ACM范围里,我们只需了解时间复杂度可以大致地通过一个算法运算的次数来描述程序运行的效率,常常用大写字母О来表示。在表示时间复杂度的时候,只保留数量级最大的一项,并忽略系数。
实际计算时间复杂度是,并不需要计算精确的执行次数,只需计算大概执行次数,则使用大O的渐进表示法。
实际计算事件复杂度的是一个函数式。如:
void func(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--){
count++;
}
printf("%d\n",count);
}
//时间复杂度函数式:f(n) = n*n + 2*n + 10
//由于n*n影响最大,所有时间复杂度可表示为O(n2)
1.常数阶:首先顺序结构的时间复杂度。下面这个算法,是利用高斯定理计算1,2,……n个数的和。
int sum = 0, n = 100; /*执行一次*/
sum = (1 + n) * n / 2; /*执行一次*/
printf("%d",sum); /*执行一次*/
2.线性阶:线性阶的循环结构会复杂很多。要确定某个算法的阶次,我们常常需要确定某个特定语句或某个语句集运行的次数。因此,我们要分析算法的复杂度,关键就是要分析循环结构的运行情况。 下面这段代码,它的循环的时间复杂度为O(n), 因为循环体中的代码须要执行n次。
int i;
for(i = 0; i < n; i++){
/*时间复杂度为O(1)的程序步骤序列*/
}
3.对数阶:
int count = 1;
while (count < n){
count = count * 2;
/*时间复杂度为O(1)的程序步骤序列*/
}//O(logn)
4.立方阶:嵌套循环。
int i, j, k;
for(i=1; i<n; i++)
for(j=1; j<n; j++)
for(k=1; k<n; k++){
/*时间复杂度为O(1)的程序步骤序列*/
}
类似的还有平方阶、nlog(n)阶、指数阶。
复杂度排序
O(1) < O(logn) < O(n) < O(nlogn) < O(n2) < O(n3) < O(2n) < O(n!) < O(nn)
典型的时间复杂度式
嵌套循环:O(NN) (N的N次方)
双重循环:O(N)或 O(M) 对比循环数N,M
常数循环:O(N) N为常数
strchar的时间复杂度:O(N)
冒泡循环:O(n2)
二分查找:O(logn)
斐波那契:O(n),O(an)(a的n次幂),等等
空间复杂度
概念
顾名思义就是一个算法在运行的过程中临时额外占用空间大小的亮度。除了计算复杂度,我们常常也需要直接算出来运行程序需要占用多少内存。
空间复杂度不是程序占用了多少bytes的空间,因为这个也没多大意义,所以空间复杂度算的是变量的个数。
空间复杂度计算规则与时间复杂度类似,也用大O渐进的表达法。
**注意:**函数运行时所需要的栈空间(储存参数、局部变量、一些寄存器信息等)在编译期间已经确定好了,因此空间复杂度主要通过函数运行时候显示申请的额外空间来确定。