目录
时间复杂度
常数时间的操作
一个操作如果和样本的数据量没有关系,每次都是固定时间内完成的操作,叫做常数操作。
时间复杂度介绍
时间复杂度为一个算法流程中,常数操作数量的一个指标。常用O表示。通常对于一个算法,首先需要熟悉它的算法流程,然后去写出这个算法流程中,发生了多少常数操作(分析语句在算法中被重复执行的次数),进而计算出常数操作数量的表达式。
在表达式中,只要高阶项,不要低阶项,也不要高阶项的系数,剩下的部分如果为f(N),那么时间复杂度就是O(f(N)).
评价一个算法流程的好坏,先看时间复杂度的指标,如果两个算法的时间复杂度指标相同,那么需要再分析不同数据样本下的实际运行时间,也就是“常数项时间”。(也就是上机自己运行一下比较时间的长短,比较的是常数项的内容).
时间复杂度的常用比较顺序
O(1)<O(logN)<O(N)<O(NlogN)<O(N²)<O(N³)<O()<O(n!)<O() 口诀:“常对幂指阶”
时间复杂度的分类
最坏时间复杂度:最坏的情况下,算法的复杂度,通常所说的时间复杂度均为最坏时间复杂度;
平均时间复杂度:所有可能出现的情况,在等概率出现的情况下,算法的期望运行时间;
最好时间复杂度:最好情况下,算法的复杂度。
时间复杂度的规则
(1)加法规则:
(2)乘法规则:
时间复杂度分析
对于一个程序分析时间复杂度只需要挑循环中的一个基本操作分析它的执行次数与N的关系即可。如果有多层嵌套循环,只需要关注最深层循环执行的次数即可。
空间复杂度
空间复杂度介绍
一个程序在运行时除需要存储空间来存放本身所用的指令、常数、变量和输入数据外,还需要一些对数据进行操作的工作单元和存储一些为实现计算所需信息的辅助空间。若输入数据所占空间只取决于问题本身,和算法无关,则只需分析除输入和程序之外的额外空间。除特别说明外,均按照最坏情况处理。
算法原地工作
算法所需的辅助空间为常量,即O(1)。