浅谈算法设计--时间 空间复杂度 基本概念 no2.

算法:

是指令的集合,是为解决特定问题而规定的一系列操作。
他是明确定义的可计算过程,以一个数据集合作为输入,并产生一个数据集合作为输出。

一个算法通常来说具有以下五个特性:

  1. 输入:一个算法应以待解决的问题的信息作为输入的对象
  2. 输出:输出对应指令集处理后得到的信息
  3. 可行性:算法是可行的,即算法中的每一条都是可以实现的,均能在有限的时间内完成。
  4. 又穷性:算法执行的指令个数是有限的,每个指令有事在有限的时间内完成的,因此整个算法也是在有限的时间内可以结束。
  5. 确定性:算法对于特定的合法输入,其对应的输出是唯一的。即当算法从一个特定输入开始,多次执行同一指令 结果一致。

简单的说,算法就是计算机解题的过程,
在这个过程中,无论是形成解题思路还是编写程序,都是在实施某种算法。
前者是算法的逻辑形式,后者是算法的代码形式。

举例:如何求0+1+2+3…100000=?
算法一:依次相加while for …
算法二:高斯解法:首尾相加50 矩形算法:(1+100000) * 100000/2 三角形算法:100000 * 100000 /2
算法三:使用递归算法实现:sum(100)=sum(99)+100 sum(99)=sum(98)+99…sum(2)=sum(1)+2 sum(1)=1

评价算法优劣的依据:复杂度(时间复杂度和空间复杂度)

时间复杂度:算法需要的计算工作量
空间复杂度:算法所需要的内存空间
一个优秀的算法,应该在时间上和空间使用上优于其他算法。

时间复杂度(Time Complexity)定义
时间频度:

  • 一个算法执行所耗费的时间,从理论上是不能算出来的,必须上机运行才能知道。但我们不可能也灭有必要对每个算法都上级测试。
  • 一个算法花费的时间与算法中语句的执行次数成正比例,那个算法中语句执行次数多,它花费时间就多。
  • 一个算法中的语句执行次数称为语句频度或时间频度,表示为T(n),n表示问题的规模。

时间复杂度:
但有时我们想知道它变化呈现什么规律,想知道问题的规模,而不是具体的次数,此时引入时间复杂度。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T(n)表示。
若有某个辅助函数f(n),使得当n趋近于无穷大时,T(n)/f(n)的极限为不等于零的常数,则称f(n)的同数量级函数,记作T(n)=O(f(n)),称O(f(n))为算法的渐进时间复杂度,简称时间复杂度。
T(n)=O(f(n))
。或者说:时间复杂度就是时间频度去掉低阶项和首项长度。
注意:时间频度与时间复杂度是不同的,时间频度不同但世界复杂度可能相同。
比如:某两个算法的时间频度是T(n)=100000n²+10n+6 T(n)=10n²+10n+6 T(n)=n²
但是时间复杂度都是T(n)=O(n²)

最坏的世界复杂度和平均时间复杂度:
最坏情况下的时间复杂度称为最坏时间复杂度,一般不特别说明,讨论的时间复杂度是最坏情况下的时间复杂度。
这样做的原因是:最坏情况下的时间复杂度是算法在任何输入实际上运行时间的上届,这就保证了算法的运行时间不会比在最坏情况下的时间复杂度为T(n)=O(n),它表示对于任何输入实例,该算法的运行时间不可能大于O(n)。

平均时间复杂度是指所有可能的输入实例均以等概率出现的情况下,算法的期望运行时间。鉴于平均复杂度
第一:难计算,
第二:有很多算法的平均情况下和最差情况的复杂度是一样的。
所有讨论最坏时间复杂度

为了进一步说明算法的世界复杂度,我们定义O Ω θ符号
O符号给出了算法世界复杂度的上界(最坏情况<=),比如T(n)=O(n²)
Ω符号给出了时间复杂度的下界(最好情况>=),比如T(n)=Ω(n²)
而θ给出了算法时间的精确阶(最好和最坏是同一阶=),比如T(n)=θ(n²)

时间复杂度计算
根本没有必要计算时间频度,即使计算机处理还要忽略常量,低次幂和最高次幂的系数,所以可以采用如下简单方法:

  1. 找出算法中的基本语句:
    算法中依次执行次数最多的那条语句就是基本语句,通常是最内层的循环体。

  2. 计算基本语句的执行次数的数量级:

    只需要计算基本语句执行次数的数量级,这就意味着只要保证基本语句执行的函数中的最高次幂正确即可。
    可以忽略所有低次幂和最高次的系数,这样就能够简化算法分析。并且使注意力集中在最重要的一点上:增长率/

  3. 用大O记号表示算法的时间性能。
    将基本语句执行次数的数量级放入大O记号中。

时间复杂度的举例:

  • 一个简单语句的时间复杂度为O(1)
  • 100个简单语句的时间度也为O(1)
  • 一个循环的时间复杂度为O(n)
    int n=8 count=0
    for(int i,i<=n,i++)
    count++

T(n)=O(n)

  • 时间复杂度为O(log2 n)的循环语句。

int (n=8 ;count =0)
for(int i=1,i<=n,i*=2)

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