数据结构与算法导论1--算法时间复杂度和空间复杂度

时间复杂度

和编程语言，编译器，计算机硬件无关，只考虑算法本身。
最终，在分析程序的运行时间时，最重要的是把程序看成是独立于程序设计语言的算法或一系列步骤。

与最高次的系数无关，与附加常数无关。
算法时间复杂度的定义：在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，进而分析T(n)随n的变化情况并确定T(n)的数量级。

整理了以下攻略：
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，则去除与这个项相乘的常数。
得到的最后结果就是大O阶。

例：

int i = 1, n = 100;

while( i < n )
{
    i = i * 2;
}

时间复杂度为O(logn)

int i, j, n = 100;

for( i=0; i < n; i++ )
{
    for( j=i; j < n; j++ )
    {
        printf(“I love FishC.comn”);
    }
}

n(n+1)/2 = n^2/2+n/2，最终得O(n^2）

int i, j;
for(i=0; i < n; i++) 
{
    function(i);
}
void function(int count) 
{
    printf(“%d”, count);
}

时间复杂度就是循环的次数O(n)。

常用的时间复杂度所耗费的时间从小到大依次是：O(1) < O(logn) < (n) < O(nlogn) < O(n^2) < O(n^3) < O(2^n) < O(n!) < O(n^n)

空间复杂度

算法的空间复杂度通过计算算法所需的存储空间实现，算法的空间复杂度的计算公式记作：S(n)=O(f(n))，其中，n为问题的规模，f(n)为语句关于n所占存储空间的函数。
显然对时间复杂度的追求更是属于算法的潮流！