数据结构第二章：算法（下）

 

1、常数阶：

       （1）首先要知道，高斯算法的时间复杂度不是O（3），而是O（1）。根据我们推导大O阶的方法，第一步就是把常数项3改为1。而且没有最高阶项。所以这个算法的时间复杂度为O（1）。

               如：

                                            int sum=0,n=100;

                                              sum=(1+n)*n/2;

                                             printf("%d",sum);

 

       答：代码只是3次，4 次......执行的差异，这种与问题的大小（n的值）无关，执行恒定时间的算法，称之为具有O（1）的时间复杂度，又叫常数阶。

注意：不管常数是多少，我们都记作O（1）。

 

    （2）对于分支结构而言，无论是真是假，执行的次数都是恒定的，不受n的影响，所以单纯的分支结构（不包含在循环结构中），其时间复杂度也是O（1）。

 

 

2、线性阶：

        确定某个算法的阶次，我们常常需要确定某个特定语句或某个语句集运行的次数。因此，我们要分析算法的复杂度，关键就是要分析循环结构的运行情况。

          如：

                              int i;

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

                              {

                                   /*时间复杂度为O（1）的程序步骤序列*/

                              }

 

        答：它的循环的时间复杂度为O(n)，因为循环体中的代码要执行n次。

 

 

3、对数阶：

             如：

                                     int count=1;

                                     {

                                          count =count*2;

                                          /*时间复杂度为O（1）的程序步骤序列*/

                                     }

 

          答： 有多少个2相乘后大于n，则会退出循环。则2^x=n，所以这个循环的时间复杂度为O（logn）。

 

 

4、平方阶：

          简单来说就是循环中带有循环。

 

  比如：第一层循环要执行n次，第二层循环要执行n次，所以它的时间复杂度为O（n*n）。

               第一层循环执行了n次，第二层循环只想了m次，所以它的时间复杂度为O（n*m）。

 

总之，计算时间复杂度就先将代码执行的次数相加，再用大O推导来进行计算。

 

 

5、常见的时间复杂度

    O(1) <  O(logn) <O(n)<  O(nlogn)< O(n^2)<O(n^3) <O(2^n) <  O(n!) <O(n^n)

  常数阶      对数阶   线性阶    nlogn阶   平方阶       立方阶       指数阶   阶乘阶    n^n阶

 

 

6、最坏情况与平均情况：

      （1） 最坏情况运行时间是一种保证，就是运行时间不会再坏了。在应用中，这是一种最重要的需求，通常，除非特别指定，我们提到的运行时间都是最坏的运行时间。

 

      （2）平均运行时间是所有情况中最有意义的，因为它是期望的运行时间。

 

      （3）对算法的分析，一种方法是计算所有情况的平均值，这种时间复杂度的计算方法称为平均时间复杂度。另一种方法是计算最坏情况下的时间复杂度，这种方法称为最坏时间复杂度。 一般没有特殊说明的情况下，都是指最坏时间复杂度。

 

 

7、算法空间复杂度：

      （1） 算法的空间复杂度通过计算算法所需的存储空间实现，算法空间复杂度的计算公式记作：S（n）=O(f（n）)，其中n为问题的规模，f（n）为语句关于n所占存储空间的函数。

 

      （2）一般情况下，一个程序在计算机上执行时，除了需要存储程序本身的指令、常数、变量和输入数据外，还需要存储对数据操作的存储单元。

        a、若输入数据所占空间只取决于问题本身，和算法无关。这样只需要分析该算法在实现时所需的辅助单元即可。

        b、若算法执行时所需的辅助空间相对于输入数据量而言是个常数，则称次算法为原地工作，空间复杂度为O（1）。

 

                  使用“时间复杂度”来指运行时间的需求，使用“空间复杂度”来指空间需求。