时间复杂度
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(fn),O为算法的渐进时间复杂度,简称为时间复杂度。
空间复杂度
若存在函数f(n),使得当n趋近于无穷大时,S(n)/f(n)的极限值为不等于零的常数,则称f(n)是S(n)的同数量级函数,记作S(n)=O(fn),O为算法的渐进空间复杂度,简称为空间复杂度。其中,f(n)为算法所占存储空间的函数,n为问题的规模。
时间/空间复杂度的表示原则
- 如果运行时间/空间是常量级,则用常数1表示
- 只保留函数中的最高阶项
- 省略最高阶项前面的系数
举例:
T(n)=100n,不满足原则1,原则2:最高阶为100n,原则3:省略最高阶系数:n,记作T(n)=O(n)
T(n)=10n² + 100n,不满足原则1,原则2:最高阶为10n²,原则3:省略最高阶系数:n,记作T(n)=O(n²)
T(n)=1, 仅满足原则1,记作T(n)=O(1)
常见复杂度的大小关系
纯粹的递归复杂度为O(n)
O(1) < O(logn) < O(n) < O(nlogn) < O(n²)等
复杂度的意义
算法A的的执行次数是T(n)=10000n,时间复杂度是O(n)
算法B的的执行次数是T(n)=5n²,时间复杂度是O(n²)
假如A和B分别运行在老旧的计算机和超级计算机上,他们的运行次数如下:
可见,复杂度对衡量算法多么地重要!!!
时间和空间的取舍
大部分时间是舍弃空间换取时间