C++时间复杂度与空间复杂度

本文探讨了C++程序性能的重点,包括空间复杂度和时间复杂度。空间复杂度关注程序运行所需的内存大小,而时间复杂度则关注程序的实际运行时间。虽然编译时间也影响总时间,但由于与实例特征无关且只编译一次,运行时间成为主要关注点。此外,文章介绍了同实例特征和不同实例特征下时间复杂度的加法和乘法法则。
摘要由CSDN通过智能技术生成


        程序性能是指一个程序对内存和时间的要求,因此空间复杂度和时间复杂度对衡量一个程序的性能而言颇为重要。

     1、空间复杂度——即该程序的运行所需内存的大小

           程序所需空间由指令空间数据空间环境栈空间组成;
           a、指令空间是指编译之后的程序指令所需要的存储空间(不同编译器编译同一段代码所占的指令空间可能不同)
           b、数据空间是指所有常量变量所需的存储空间(包含常量和简单变量,以及动态对象所需的空间)
       
           c、环境栈空间用来保存暂停的函数和方法在恢复运行时所需要的信息,当一个函数被调用时,函数的返回地址和正在调用的函数的所有局部变量的值以及形参的值都会被保护在环境栈中。

          实例特征:程序 处理的问题实例都有一些特征,例如,对n 个元素排序的程序,所需的空间大小是n的函数,n就为其实例特征。
          可把一个程序所需空间分成两部分:
           a、固定部分,独立于实例特征(通常包括指令空间,简单变量空间和常量空间等)
在计算C++程序的时间复杂度空间复杂度时,我们通常关注的是算法效率与输入规模之间的关系。 **时间复杂度**: 时间复杂度衡量的是算法运行所需时间的增长速度,一般用大O记法(Big O Notation)表示。它描述了当输入数据的数量n无限增大时,算法执行的基本操作次数。常见的时间复杂度分类有: - **常数时间复杂度** (O(1)):无论输入大小,执行固定次数的操作,如查找数组中的元素。 - **线性时间复杂度** (O(n)):操作次数随着输入规模成正比,如遍历数组。 - **对数时间复杂度** (O(log n)):例如二分搜索,随着输入变大,搜索次数大致减半。 - **二次时间复杂度** (O(n^2)):如冒泡排序,每个元素都要与其他所有元素比较一次。 - **更高阶时间复杂度** (如O(n^3), O(2^n)):当算法中有嵌套循环或其他指数级增长的情况。 **空间复杂度**: 空间复杂度则是指算法执行过程中所需的内存空间。同样用大O记法描述: - **常量空间复杂度** (O(1)):算法所需的额外空间不随输入规模改变,如全局变量。 - **线性空间复杂度** (O(n)):如一维数组,需要的空间大小与输入大小直接相关。 - **对数空间复杂度** (O(log n)):如递归调用时的函数栈,随着递归深度增加。 - **更高等级空间复杂度** (如O(n^2), O(2^n)):如果算法创建了许多临时数据结构,并且它们的数量随着输入增大而迅速增加。 在分析时,理想情况是选择时间复杂度较低、空间复杂度适中的算法。实际编程中,我们需要权衡时间和空间的需求,根据具体情况作出决策。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值