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)。