【算法的评价】【时间限制】【内存限制】【实现难度】【时间复杂度】【空间复杂度】

目录

一、计算机的资源角度评价算法

1.时间限制

2.内存限制

3.实现难度

二、评价算法常用的两种函数

1.时间复杂度

2.空间复杂度

---

一、计算机的资源角度评价算法

1.时间限制：

（1）CPU的运算速度是有限制的：

例如：CPU的主频（CPU每秒钟产生脉冲信号的次数/每秒钟的时钟周期个数）从某方面角度可以衡量计算机运算速度的快慢，但其与运算速度不是简单的线性关系。

以2.1GHz为例，一秒钟该CPU可以产生2.1*次脉冲信号，如果一台计算机每个时钟周期可以完成1条指令，那么该计算机1s之内就可以运行2.1*条指令。

（2）等待问题结果的时间也是有限的 ，需要具有时效性。

有关于CPU的科普，可参考

什么是CPU的主频 - 百度文库 (baidu.com)https://wenku.baidu.com/view/37b451708e9951e79b8927c8.html

2.内存限制：

        计算机内存的大小是有限制的，计算机在运行程序的时候，单个变量、数组甚至算法运行过程中，函数互相调用时所记录的调用栈信息，都是在内存上存储的。而计算机的内存不可能无限大，内存的大小限制了我们所开变量的大小。

常用数据类型占用内存大小 - G的博客 (gnsoft.ltd)https://www.gnsoft.ltd/archives/%E5%B8%B8%E7%94%A8%E6%95%B0%E6%8D%AE%E7%B1%BB%E5%9E%8B%E5%8D%A0%E7%94%A8%E5%86%85%E5%AD%98%E5%A4%A7%E5%B0%8F

3.实现难度：

        算法的实现难度就是该算法是否很容易的用编程语言准确表达，实现难度是一个很实际的评价因素。

        例如：当B'算法比B的算法难度高很多，但是时间上的缩减相比于难度的提升的比率要少，此时我们不倾向于将B算法更换为B'算法。

特殊场景下算法的衡量指标

• 近似算法中的近似比：

  在解决最优化问题的近似算法中，有一个“近似比”的评价指标。

  很多最优化问题（即找到某种场景下最有利的解决方案），找到精确最优解的算法可能要运行很长时间，或者根本不可能在可接受时间内运行完毕。但是如果不要求一定是严格的最优解决方案的话，我们可以设计一些近似算法在很少的时间内给出一个“比较优”的方案。所以，该近似算法给出的解，和严格最优解之间的差别，也就是近似比，就成了衡量近似算法的一个非常重要的指标。

• 机器学习模型算法的评估指标：

  机器学习算法可以利用已有数据集作为输入，得到一个模型，从而实现一些分类或预测等任务。而为了评价所得模型的好坏，机器学习领域提出了一些评估指标，比如准确率，精确率，召回率等。

---

二、评价算法常用的两种函数

1.时间复杂度：

        定义：算法运行的时间和输入规模的关系。

        算法运行时间：每条语句的运行都要消耗一定时间，程序的运行时间与语句的数量有关。

        输入规模：通常情况下，输入规模越大，语句的条数越多。

        则可以看出：算法的运行时间是关于输入规模的一个函数，称为算法的时间复杂度。

        T（n）：n表示输入规模，T（n）表示算法的运行时间。

        值得注意的是，算法的运行时间有时候不只和输入规模有关，也与具体的询问内容有关。所以我们经常采用的一个评价指标就是“最坏时间复杂度”。

        最坏时间复杂度：规模为n的所有可能输入中，最坏情况下算法的运行时间。

        算法的运行时间可以用算法运行的语句数量近似表示，然而代码的运行时间同时受语句种和运行环境的影响：

（1）即便对于一条效果相同的语句，不同的实现方式运行的时间也不一样。

（2） 即便是同一段代码，用不同的编译器编译成可执行程序，放在不同架构的处理器下运行，其运行时间也都是不一样的。

（1）详情可参考

c - Is it better to avoid using the mod operator when possible? - Stack Overflowhttps://stackoverflow.com/questions/15596318/is-it-better-to-avoid-using-the-mod-operator-when-possible

由此我们总结出了一个统一的估算方法：大O记号法

• 我们在估算算法效率时只保留增长最快的一项除了系数以外的部分，相当于只保留了该式子的“数量级”。

特别的，如果一个算法某个部分的运行时间并不随着输入规模的增长而增长，那我们称其的复杂度为常数。

常见例子：

O(1)——常数条语句：交换两个元素

O(n)——单重循环求数组和

O()——双重循环求数组中相等元素对数

O(n）——枚举n个数字组成集合的所有子集，输出子集和

O（）——Fibonacci数列的递归

斐波那契数的时间复杂度、空间复杂度详解_lxf_style的博客-CSDN博客_斐波那契数列时间复杂度https://blog.csdn.net/lxf_style/article/details/80458519

2.空间复杂度：

        定义：程序所消耗空间的大小，可以将其表示成与输入规模有关的函数，该函数即为空间复杂度。

        空间复杂度相对于时间复杂度使用较少。