时间与空间复杂度

算法效率

第一种是时间效率，被称为时间复杂度，表示一个算法的理论上的耗时，衡量的是一个算法的运行速度。
第二种是空间效率，被称作空间复杂度，主要衡量一个算法所需要的额外空间。

时间复杂度

时间频度

一个算法中，语句执行的次数，被称为时间频度T(n)

大O符号：

用于描述函数渐进行为的数学符号。存在某个辅助函数f(n)，当n->∞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，记做T(n)=Of(n)，则称Of(n)为算法的渐进时间复杂度，简称时间复杂度。

计算方法

计算出时间频度与T(n)的数量级
①忽略常量，如果运行时间是常数量级，则用1表示
②忽略低次幂
③忽略高次幂系数

示例

O(1) 常数算法

int a = 1, b = 3, c = 3;

单条操作频度为1，属于常数量级，所以为O(1)

O(n) 线性

int sum = 0;
for(int i = 0; i < n; i++)
{
    sum+=i;
}

sum = 0 与 i = 0，操作频度为1，i<n ;i++ ;sum+=i 频度为n，因此，T(n) = 2+3n =O(n)

O(n^2)

int num1, num2;  //频度为1
for(int i=0; i<n; i++)
{ 
     num1 += 1;  //频度为n
     for(int j=1; j<=n; j++)
     { 
         num2 += j;  //频度为n^2
     }
}

T(n) = 2+4n+3n²=O(n^²)

O(log₂ n) 折半算法

int i = 1;
while(i<=n)
{
    i*=2;
}

可以理解为2^^f(n) = n，则f(n) = log₂ n , T(n) = O(log₂ n)。