- 算法复杂度
采用大O记法来严格定义。对于单调函数f,如果存在一个指数函数g和常数C>0,存在任意大的数n总有f(n)<=cg(n).f是g的一个近似函数,f(n)=O(g(n))。
加入存在函数g使得算法A处理规模为n的问题实例所需要的时间T(n)=O(g(n)),则Og(n)成为算法A的渐进时间复杂度,简称时间复杂度。算法A的空间复杂度S(n)的定义类似。
几个常见的复杂度:常数复杂度O(1);
线性复杂度O(n)
对数复杂度O(log(n))
指数复杂度 O(2^n)
平方复杂度O(n^2)
当n=10,20,30,40,50时取值情况,见表所示。
- 算法复杂度的意义
算法复杂度决定了算法的可用性,如果算法复杂度低,表明算法可以用来解决很大的实例,反之,如果算法复杂度高则表明算法只能用来解决很小的实例。
算法复杂度表明了在n趋于无穷大的时候,算法代价增长的速度。
-
算法分析
算法分析的目的就是为了推导出算法的时间复杂度。
基本循环程序的时间复杂度的计算:
加法规则:算法是两个或者多个部分的顺序之和,则复杂度也是其复杂度之和。
乘法规则:如果算法是一个循环,循环体执行
T1(n)次,每次需要T2(n)时间,则算法时间复杂度为:T(n)=O(T1(n)T2(n))
取最大规则( 分支规则):如果算法是两个分支,分支的时间复杂度分别为:T1(n),T2(n),则算法T(n)的时间复杂度为:T(n)=O(max(T1(n),T2(n))) -
计算时间复杂度例子。
for i in range(n):
for j in range(n):
x=0.0
for k in range(n):
x=x+m1[i][k]*m2[k]{j}
m[i][j]=x``
计算时间复杂度:程序片段是两重循环,循环体是一个顺序语句,其中还有一个内嵌的循环,可以做出下面的推导。`