时间复杂度和空间复杂度

互联网的猫

已于 2023-11-27 19:48:00 修改

阅读量35

点赞数 2

分类专栏：数据结构与算法进阶文章标签：数据结构算法

于 2023-10-25 10:34:07 首次发布

本文链接：https://blog.csdn.net/m0_72674633/article/details/134023498

版权

数据结构与算法进阶专栏收录该内容

27 篇文章 2 订阅

订阅专栏

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( $2^{n}$ )<O(n!)<O( $n^{n}$ ) 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：

$T\left ( n \right )=T_{1}\left ( n \right )+T_{2}\left ( n \right )=O\left ( f\left ( n \right ) \right )+O\left ( g\left ( n \right ) \right )=O\left ( max\left ( f\left ( n \right ) ,g\left ( n \right )\right ) \right )$

(2)乘法规则：

$T\left ( n \right )=T_{1}\left ( n \right )\times T_{2}\left ( n \right )=O\left ( f\left ( n \right )\times g\left ( n \right ) \right )=O\left ( f\left ( n \right ) \times g\left ( n \right )\right )$