算法在编写成可执行程序后,运行时需要耗费时间资源和空间(内存)资源 。因此衡量一个算法的好坏,一般是从时间和空间两个维度来衡量的,即时间复杂度和空间复杂度。
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算法运行所需要的额外空间。
大O渐进表示法(估算)
推导大O阶方法:
用常数1取代运行时间中的所有加法常数。
在修改后的运行次数函数中,只保留最高阶项。
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。
这些方法看起来有些许摸不着头脑哈,我们来举几个例子说明,比如:
执行次数函数 F(N) = 10,使用大O渐进表示法后,时间复杂度为:O(1)
执行次数函数 F(N) = N2 + 2 * N + 10,使用大O渐进表示法后,时间复杂度为:O(N2)
执行次数函数 F(N) = 2 * N + 10,使用大O渐进表示法后,时间复杂度为:O(N)
时间复杂度计算实例
最差的时间复杂度为:O(n2)
对数时间复杂度记法,O(log2N),可以简化写成O(logN)
使用大O渐进表示法后,所以时间复杂度为:O(2N)
总结
计算时间复杂度,
就是计算出该算法中的基本操作的执行次数,
一般以算法的最坏运行情况为准,
最终结果用大O渐进表示法(估算)书写
空间复杂度的计算
空间复杂度是对一个**算法在运行过程中临时占用存储空间大小**的量度