算法运行时间分析

时间复杂度:O(n)

注意O(n)是用估计的方式,涉及极限的定义,假设摸个程序的语句执行次数为f(N),则其时间复杂度为\lim_{n \to +\infty }f(N)中较大的影响最大的增量函数g(N)

例如:N^3/6-N^2+N/2+C其时间复杂度 O(n) = N^3  

常见的时间复杂度及对应典型算法
描述增长量级典型代码说明举例
常数级别1
a = b + c ;

 

普通语句两数相加
对数级别logN
while(lo<=hi){

    int mid = lo+(hi-lo)/2;
    
    if(key<a[mid]) hi = mid+1;
    
    else if(key>a[mid]) lo = mid-1;
    
    else return mid;

}

 

二分策略二分查找
线性级别N
for(int i = 0;i < N; i++){
    
    a++;
    
}

 

循环自增
线性对数级别ClogN
void sort(int[] a,int lo,int hi){

    if(hi<=lo) return;

    int mid  = lo +(hi -lo)/2;

    sort(a,lo,hi);
    
    sort(a,mid+1,hi);

}

 

分治

(固定次数内部出现二分策略)

归并排序
平方级别N^2二重循环,懒得写了二重循环二维数组的遍历
立方级别N^3三重循环,懒得写了三层嵌套三维数组的遍历
指数级别2^N穷举算法,基本暴力算法都是,最典型的是RSA大数因式分解,到了这个级别的基本就GG了,但很多问题似乎只能用这个穷举查找

RSA质因数分解

 

 

其他评估:

  1. 可行性(先进行算法评估,能否实现,运行时间是否满足要求)
  2. 计算机本身性能(尽量使用更快的计算机)
  3. 大常数(因为O(n)是极限的思想,但算法的运行时间必须有限,这时候有可能出现常数对算法的影响不亚于高阶增长,不能舍弃,其他项亦然)
  4. 非决定性的内循环(存取数据需要时间等等)
  5. 指令时间
  6. 系统因素(多任务)
  7. 应用场景(不同的场景,不同算法优劣性不同)
  8. 输入输出依赖(因为输入输出耗时)
  9. 多问题参量(还有其他额外条件限制)

 

其他:

  1. 最坏情况和最好情况(上下界)
  2. 随机化算法
  3. 操作序列
  4. 均摊分析
  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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