【算法】时空复杂度

时间复杂度

语句总的执行次数 T(n) 是关于问题规模 n 的函数

大O记法

，f(n)为问题规模n的某个函数

• 常数阶：
• 线性阶：
• 平方阶：

推导大O阶时间复杂度

1. 把加法常数项改为1；
2. 在修改后的运行次数函数中，只保留最高阶项。
3. 如果最高阶项存在且不是1，则去除与这个项相乘的常数。

纯分支结构时间复杂度为O(1)：无论真或假执行次数恒定，与问题大小无关

实例：

int i, j;
for (i = 0; i < n; i++)
{
    for (j = i; j < n; j++)
    {
        /* 时间复杂度为O(1)的程序步骤序列 */
    }
}

总执行次数：

1. 没有加法常数不予考虑；
2. 只保留最高阶项，因此保留；
3. 去除这个项相乘的常数，也就是去除，最终这段代码的时间复杂度为

---

常见时间复杂度

常用的时间复杂度所耗费的时间从小到大依次是：

空间复杂度

计算算法所需的存储空间

，n为问题的规模，f(n)为语句关于n所占存储空间的函数

一个程序在机器上执行时，除了需要存储程序本身的指令、常数、变量和输入数据外，还需要存储对数据操作的存储单元

若算法执行时所需的辅助空间相对于输入数据量而言是个常数，则称此算法为原地工作，空间复杂度为O(1)