时间复杂度&空间复杂度初探

时间复杂度

1.算法的执行时间

一个算法执行时间可用该算法中所有语句频度之和来衡量。

//语句频度：一条语句的重复执行次数

//设每条语句执行一次所需的时间均是单位时间

【例 1.4】 求两个n阶矩阵的乘积算法

for（i=1;i<=n;i++）//频度为 n+1——n次：i 在范围内 1次：i 不在范围内  ①

for(j=1;j<=n;j++)//频度为 n*（n+1）      n次：i 在范围内的带来的运算 

// n+1次：理由同 ①

{

c[i][j]=0;//频度为 n^2i与j都有效才能触发计算

for(k=1;k<=n;k++)//频度为 n^2*(n+1)  ……

c[i][j]=c[i][j]+a[i][j]*b[i][j];//频度为 n^3 (n^2*n) ……

}

f(n)=2*n^3+3*n^2+2*n+1

2.算法时间复杂度的简化算法分析

(也是最常见的）

找出程序中频度最大的频度 n^m

则算法的时间复杂度为 T(n)=O(n^m)//T=time,下面的S=space

注意事项：若算法的执行时间不随问题规模n的增长而增长。算法中语句频度就是某个常数。即使这个常数再大，算法的时间复杂度都是O（1）。

例子：for(i=0;i<1000000;i++) {x++;s=0;} //这样叫常量阶

  for(i=0;i<1000000;i++) {x++;s=0;}//这样叫线性阶

一个觉得较难的公式：

一般情况下讨论最坏时间复杂度

空间复杂度的计算

空间复杂度的空间指的是对数据进行操作所需要的辅助空间，若该空间相对于输入数据量是个常数，则辅助空间为O（1），称这个算法为原地工作；若所需的辅助空间随问题规模n的变化而变化，那么就要具体分析了……

【例 1.11】 数组逆序

for(i=0;i<n/2;i++)

{

t=a[i];

a[i]=a[n-i-1];

a[i]=t;

}    //  O（1）

for(i=0;i<n;i++)

b[i]=a[n-i-1];

for(i=0;i<n;i++)

a[i]=b[i];  //  O(n)

内容整合自《数据结构（c语言版）（第二版）》 人民邮电出版社 严蔚敏 李冬梅 吴伟民 编著ISBN 978-7-115-37950-4

本人保证不用于商业用途，仅供个人学习使用。如涉及版权问题，请联系本人。