算法复杂度分为空间复杂度和时间复杂度。
空间复杂度是指这个算法占用的内存
时间复杂度就是指这个算法的工作量
时间频度:算法花费的时间跟算法执行次数成正比,所以我们计算时间频度都是由执行次数来计算
算法执行次数越多,花费的时间越多。一个算法中执行次数称为时间频度记为T(n)
在时间频度中,n为问题的规模,当n不断变化时,它呈现出来的规律就是时间复杂度O(n)。
比如说:时间频度T(n)=kn+b,那么它的时间复杂度就是O(n),在时间复杂度中,只要是kn+b就代表它跟n是同量级的就可以把它的k和b省略掉
类似的:时间频度T(n)=kn^2+bn的时间复杂度是O(n^2)
一般常用到的时间复杂度和大小排序如下:
O(1)<O(logn)<O(n)<O(nlogn)<O(n^2)<O(n^2logn)<O(n^3)
如何快速计算算法的时间复杂度:
1.先确定问题的规模n
在一个普通的for循环中,它每个数都会执行一次,所以它的时间复杂度是O(n)
2.如果是循环减半那就是logn 例:二分查找和如下代码
for(int i=1;i<n;i*=2){
count++;
}
它的时间复杂度因为是折半循环,时间复杂度就是O(logn)
3.k层n循环的时间复杂度就是 O(n^k) 例:
for(int i=0;i<n;i++){
for(int j=0;j<n;j++){
count++;
}
}
它就是2层关于n循环,它的时间复杂度就是n*n即O(n^2)
复杂情况:
1)先找出算法中基本语句
2)计算基本语句的执行次数的数量级
3)通过执行次数来判断它的时间复杂度
例:
int n=8;count=0;
for(int i=1;i<=n;i*=2){
for(int j=1;j<=i;j++){
count++;
}
}
它的n在最外层,而且最外层是折半的是logn,然后通过里层for循环来计算执行次数的数量级
里层第一次执行次数:1
里层第二次执行次数:2
里层第三次执行次数:4
里层第四次执行次数:8
n=8时时间频率是:1+2+4+8
如果是n时总执行次数为:1+2+4+8+....+n/2+n=2n-1,我们知道它时间频率为2n-1,所以时间复杂度为O(n)
再看如下例子:
int m = 0,n=8
for(i = 1;i<n;i++){
for(j=1;j<=2*i;j++) {
m++;
}
}
它的n在最外层,而且最外层是普通for循环时间复杂度是n,然后通过里层for循环来计算执行次数的数量级
里层第一次执行次数:0
里层第二次执行次数:2
里层第三次执行次数:4
里层第四次执行次数:6
里层第五次执行次数:8
里层第六次执行次数:10
里层第七次执行次数:12
里层最后一次执行次数:14
n=8的时间频繁即执行次数为:0+2+4+6+8+10+12+14
即如果是n时时间频率为:0+2+4+6+8+10+...+(n-2)*2+(n-1)*2=n(n-1)即它的时间复杂度为O(n^2)
八大排序的时间复杂度:
冒泡排序:O(n^2)
简单选择排序:O(n^2)
插入排序:O(n^2)
希尔排序:O(nlogn)
堆排序:O(nlogn)
基数排序:O(kn)
归并排序:O(nlogn)
递归排序:O(nlogn)
排序时间复杂度细节看我其他文章。