理解算法中的时间复杂度,O(1),O(n),O(log2n),O(n^2)

本文介绍了算法复杂度中的时间复杂度和空间复杂度,阐述了它们在衡量代码效率上的作用。通过概念理解,包括基本执行次数和渐进时间复杂度,解释了O(1),O(n),O(log2n),O(n^2)等常见时间复杂度,并通过场景分析展示了不同时间复杂度在实际问题中的应用。此外,还简要提及了空间复杂度的概念。
摘要由CSDN通过智能技术生成

算法复杂度分为时间复杂度空间复杂度,二者也是衡量代码的好坏两个重要指标:

  • 时间复杂度:指执行算法所需要的计算工作量;
  • 间复杂度:指执行这个算法所需要的内存空间。

算法的复杂性体现在运行该算法时的计算机所需资源的多少上,计算机资源最重要的是时间和空间(即寄存器)资源,因此复杂度分为时间和空间复杂度。

1. 概念理解

1.1 基本执行次数:T(n)

由于运行环境和输入规模的影响,代码的绝对执行时间是无法估计的,但我们可以估算出代码的基本执行次数。

一般情况下,算法中基本操作重复执行的次数是问题规模n的某个函数,用这个函数来表达相对时间,可以记作 T(n)。

1.2 时间复杂度:O(n)

因为执行规则具有不确定性(文章下面就列举4种可能), 所以T(n) 不足以分析和比较一段代码的运行时间,就有了渐进时间复杂度(asymptotic time complexity)的概念,官方的定义如下:

若存在函数 f(n),使得当n趋近于无穷大时,T(n)/ f(n)的极限值为不等于零的常数,则称 f(n)是T(n)的同数量级函数。记作 T(n)= O(f(n))&

  • 0
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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