算法效率主要看两方面:
1.时间复杂度;
时间复杂度是一个函数,它定性描述该算法的运行时间用大写O表示
需要熟悉
则时间复杂度用该是T(N)= N^2 +N + 10 而根据“大O的渐进表示法“(实际计算时间复杂度时,我们其实并不一定要精确的计算我们的执行次数,只需要一个大概的执行次数)
大O的渐进表示法:
①用常数1来表达运行时间中的所有加法常数
②在修改后的运行次数函数中,只保留最高阶
③若最高阶存在且其项数不为1,那么项数化为1
int BinarySearch(int* a, int n, int x)//折中查找
{
assert(a);//传递数组
int begin = 0;//首标
int end = n - 1;//尾标
while (begin < end)
{
int mid = begin + ((end - begin) >> 1);
if (a[mid] < x)
begin = mid + 1;
else if (a[mid] > x)
end = mid;
else
return mid;
}
return -1;
}
long long Func2(int N)//递归函数
{
if (N == 1)
return 1;
return Func2(N - 1)*N;
}
斐波那契数列
long long Fib(int N)//斐波那契数列
{
if (N < 3)
return 1;
return Fib(N - 1) + Fib(N - 2);
}
当我们第一次进入Fib函数时,会第一次支出代码块中的内容,此时会产生Fib(N-1)和Fib(N-2),然后通过递归,进入第二次Fib函数,此时在面对第一次产生的两个Fib函数,各自再一次进行代码块的内容,产生对应的Fib函数,直到Fib函数中的"N"< 3,结束递归,开始逐一返回,结束程序
2.空间复杂度;
1.空间复杂度
即该算法所消耗的储存空间,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 。也可以说是,记录在栈区中,每创建一个栈帧,在该栈帧中需要额外创建的空间大小,即就是记录变量的个数。
void Func1(int N)
{
for (int i = 0; i < N; i++)
{
printf("hahaha");
}
for (int j = 0; j < N; j++)
{
pirntf("lalala");
}
while (N--)
{
printf("xixixi");
}
}
在栈区Func1栈帧中 金创建了两个变量, 空间复杂度:O(1);
斐波那契数列:
long long Fib(int N)//斐波那契数列
{
if (N < 3)
return 1;
return Fib(N - 1) + Fib(N - 2);
}
时间复杂度和空间复杂度的关系:时间是可以累积的,空间是可重复利用的(
时间复杂度,每在一个循环条件或者递归条件中,执行一次操作,就记录一次;
空间复杂度,如递归问题中,当某一个栈帧执行结束时,这个栈帧的空间就会被释放,这个地方的空间就暂时无人使用,但其他递归函数再一次运行时,这一处的空间,可能会再一次用来执行刚刚被释放的递归函数内的代码块,所以空间是可以充分利用的
)