机器学习之数学基础(六)～时间复杂度和空间复杂度

原创

已于 2024-06-06 09:14:53 修改 · 1.3k 阅读

21 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #时间复杂度 #空间复杂度

于 2024-06-03 20:09:29 首次发布

算法背景 background

1. 时间复杂度 Time Complexity

2. 空间复杂度 Space Complexity

参考

算法背景 background

核心：Algorithms + Data Structures = Programs

-》高性能的代码 = 相应速度快的代码。需要初级程序员了解算法，灵活地运用算法。

-》发明设计一款算法：要去推导证明算法的可行性。

数据结构是为算法服务的，而算法又需要作用在特定的数据结构上。

-》谁的算法快，谁的算法更优！！

如果两种算法实现的速度差不多，那我们还可以去评价算法所占用的空间。

时间复杂度：执行当前算法所消耗的时间。--》快

空间复杂度：执行当前算法所消耗的内存空间。--》省

1. 时间复杂度 Time Complexity

时间复杂度 time complexity：全称为算法的渐进时间复杂度，表示执行当前算法的最高运算次数，记作T(n)=O(f(n))，表示算法的执行时间与数据规模n之间的增长关系。

核心：分析算法时间复杂度的关键在于分析出代码循环了多少次！

Note：时间复杂度反映的只是一个趋势，也就是随着n的变化，算法执行时间的也是会变化的。

1.1 时间复杂度分类

1.1.1 O(1) 常数阶

本质：复杂度与数据规模n无关！

public static void print(int n){
    int a = 1;
    int b = 2;
    int c = 3;
    int sum = a + b + c;
    System.out.println(sum);
}

1.1.2 O(n) 线性阶

对应：单层for循环

public static void print1(int n){
    int a = 0;  // 复杂度：T
    for (int i=0;i<n;i++){
        System.out.println(i);  // 复杂度：n*T
    }
}

假设每一行代码的执行时间是T，那上段代码的执行时间T(n)= T+n*T=(n+1)T.

->算法时间复杂度 Rule 1: 常量可以被忽略。

所以，T(n) = nT = O(n).

1.1.3 O(n^2) 平方阶

双层循环平方阶 $O(n^2)$ ；

三层循环立方阶 $O(n^3)$ ；

K层循环就是K次立方阶。

1.1.4 O(logn) 对数阶

对应：while 循环

e.g. 二分查找，二叉树问题

public static void print2(int n){
    int i=1;
    while (i <= n) {

最低0.47元/天解锁文章