算法效率分为:时间效率、空间效率
- 时间效率被称为时间复杂度、空间效率被称为空间复杂度;
早期计算机发展储存量小,对看空间复杂度比较重视,现在存储容量不成问题,所以要注重时间复杂度。
一、时间复杂度
算法中基本操作的执行次数称为算法的时间复杂度。
- 若有若干个循环语句,算法的时间复杂度是由嵌套层数最多的循环语句中最内层语句的频度决定。
常用的时间复杂度:
常数型 | O(1) |
---|---|
线性型 | O(N) |
平方型 | O(N^2) |
立方型 | O(N^3) |
指数型 | O(2^N) |
对数型 | O(log 以二为底 N) |
二维型 | O(N*log 以二为底 N) |
大O渐进法
- 用常数1取代运行时间中的所有加法常数
- 修改运行次数函数中,只保留最高项
- 时间复杂度一般选取算法的最坏运行情况。
eg:
二分法:
public static int binarySearch(int[] array, int value) {
int begin = 0;
int end = array.length-1;
while (begin <= end){
int mid = (begin + end)/2;
if (value < array[mid]){
end = mid;
}else if (value > array[mid]){
begin = mid;
}else{
retern mid;
}
}
return 0;
}
冒泡排序:
public static void bubbleSort(int[] array){
for (int j = 0;j < array.length;j++){
for (int i = 0;i < array.length - 1 - j;i++){
if (array[i] > array[i+1]){
int temp;
temp = array[i];
array[i] = array[i+1];
array[i+1] = temp;
}
}
}
}
则可看出:
-
二分法最优执行1次;最坏执行O(log 以二为底 N)次,所以其时间复杂度为O(log 以二为底 N)。(ps:第一次执行少一半数,为N/2;第二次执行少一半数,为N/2/2…;第x执行为 2^x = N 可推出x=log 以二为底 N)
-
冒泡排序法最优执行 N 次(排序正确,只循环了它的长度);最坏执行了(N(N-1))/2次;所以其时间复杂度为 O(N^2) (ps:最坏执行情况是第一次执行N次,第二次执行N-1次,…最后一次执行1次;所以1+2+…+N = N*(N-1))/2)
二、空间复杂度
在运行过程中临时占用存储空间大小的量度,并不是程序占用了多少bytes的空间。即空间复杂度算的是变量的个数。
例如:冒泡排序法的空间复杂度为 O(1) ,使用了常数个额外空间。
如果new了一个长度为N的数组,则空间复杂度为O(N)。