3 算法的复杂度

算法的复杂度

1、算法的时间复杂度

事前预估算法时间开销T(n)与问题规模n的关系(T表示“time”)

记作：T(n)=O(f(n)) 叫做大O记法

随着n增大，T(n)增长最慢的算法为最优算法。

求时间复杂度：

注意：
1.可以忽略顺序执行的代码，它只会影响常数项
2.只需挑循环中的一个基本操作分析它的执行次数与n的关系即可
3.如果有多层嵌套循环，只需关注最深层循环循环了几次

步骤：
①找到一个基本操作（最深层循环）
②分析该基本操作的执行次数x与问题规模n的关系x=f(n)
③x的数量级O(x)就是算法时间复杂度T(n)

效率排序：
O(1)< $O({\log }_{2}n)$< O(n) < $O(n{\log }_{2}n)$ <
$O(n^2)$ < $O(n^3)$< $O(2^n)$< $O(n!)$

三种复杂度
最坏时间复杂度：考虑输入数据“最坏”的情况
平均时间复杂度：考虑所有输入数据都等概率出现的情况
最好时间复杂度：考虑输入数据“最好”的情况

2、算法的空间复杂度

评估程序执行时所需的储存空间。

求空间复杂度：

1. 普通程序
   ①找到所占空间大小与问题规模相关的变量
   ②分析所占空间x与问题规模n的关系x=f(n)
   ③x的数量级O(x)就是算法空间复杂度S(n)

2. 递归程序
   ①找到递归调用的深度x与问题规模n的关系x=f(n)
   ②x的数量级O(x)就是算法空间复杂度S(n)
   注：有的算法各层函数所需存储空间不同，分析方法略有区别

空间复杂度用S(n)表示 S(space) eg.S(n)=O(n)

eg.

int n 4字节
int flag[n] 4*n字节
int i 4字节
上述代码所需内存空间=4+4n+4=4n+8 字节

所以时间复杂度为：S(n)=O(4)+O(4n)+O(4)

忽略常数项，只保留最高阶的项，且系数变为1，最终时间复杂度：S(n)=O(n)

以上图片来自王道数据结构视频，如侵权请联系删除