时间复杂度和空间复杂度

要加油!

已于 2023-11-02 15:32:09 修改

阅读量160

点赞数

文章标签：算法

于 2022-09-11 15:27:55 首次发布

本文链接：https://blog.csdn.net/packge/article/details/126804697

版权

时间复杂度和空间复杂度

一、算法效率？
二、时间复杂度
三、空间复杂度

提示：以下是本篇文章正文内容，下面案例可供参考

一、算法效率？

算法复杂度由时间复杂度和空间复杂度组成，时间和空间复杂度也是衡量一个算法好坏的标准。

二、时间复杂度

1.概念

时间复杂度：一个算法运行完成后所需要的时间，从理论上来说只有在机器上运行完成后才能知道。如果所有的算法都在机器上运行一遍，那就太麻烦了，所以我们通常根据算法的执行次数来判断【一个算法所花费的时间与其中语句的执行次数成正比例，算法中执行次数越多，花费时间就越长】，这就是算法的时间复杂度。

2.大O的渐进表示法

推导大O阶：
1、用常数1取代运行时间中的所有加法常数；(计算机的运行速度是非常快的，一次和几百次对计算机来说区别并不大，即算法空间复杂度为一个常量，可表示为 O(1))
2、在修改后的运行次数函数中，只保留最高阶项；(在函数中对表达式的结果影响最大的一项就是最高阶项)
3、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；

1. 大O阶(常数阶)：

void Func1() {
	int a = 1;
	int b = 2;
	int c = 3;
}

上面的方法中的时间复杂度为O(1); 这是怎么得来的呢？
根据【推导大O阶】指导思想：

根据【推导大O阶第一条】：我们可以确定方法执行三次(只要明确知道次数)，则用常数1取代运行时间中的所有加法常数；

2. 大O阶(对数阶)：

void Func2 (int n){
	int i=1;
	while(i<=n){
	i = i * 2;
	}
}

上面的方法中的时间复杂度为O(log n); 这是怎么得来的呢？

根据【推导大O阶第二条】：假设N的值越来越大，对【i * 2^n】表达式结果影响最大的只有 2 ^n，所以保留O(log n)；

3. 大O阶(线性阶)：

void Func3(int N, int M) {
    int count = 0;
    for (int k = 0; k < M; ++k)  {
        ++count;
    }
    for (int k = 0; k < N; ++k)  {
        ++count;
    }
    printf("%d\n", count);
}

上面的方法中【 ++count】操作进行了【N+M】次计算，通常我们称该方法的时间复杂度为O(N+M); 这是怎么得来的呢？
根据【推导大O阶】指导思想：

根据【推导大O阶第二条】：无法判断，因为N或M都可能会对表达式结果造成最大的影响；
根据【推导大O阶第三条】：无法确定最高阶，则无法去除与这个项目相乘的常数；
综合上面得出时间复杂度为O(N+M)

4. 大O阶(线性对数阶)：

void Func4(int n){
	int i=0;
	for(;i<=n;i++){
		Func4_1(n);
	}
}
void Func4_1(int n){
	int i=1;
	while(i<=n){
		i = i * 2;
	}
}

上面的方法中的时间复杂度为O(n * log n); 这是怎么得来的呢？

根据【推导大O阶第二条】：假设N的值越来越大，对【n* i* 2 ^n】表达式结果影响最大的只有n*2 ^n，
所以保留O(n * log n)`；

5. 大O阶(平方阶)：

void Func5(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);
}