时间复杂度:
在进行算法分析时,语句总的执行次数 T(n) 是关于问题规模n的函数,进而分析 T(n) 随n的变化情况并确定 T(n) 的数量级。算法的时间复杂度,也就是算法的时间量度,记作:T(n)= o(f(n))。它表示随问题规模n的增大,算法执行时间的增长率和 f(n) 的增长率相同,称作算法的渐近时间复杂度,简称为时间复杂度。其中f(n)是问题规模n的某个函数。
直接说的复杂度一般指时间复杂度。
关键:执行次数=时间
1.大O记法:
用大写O()来体现算法时间复杂度的记法。
线性阶、平分阶、对数阶……
2.推导大O阶方法:(分析算法时间复杂度)
---用常数1取代运行时间中的所有加法常数。
---在修改后的运行次数函数中,只保留最高阶项。
---如果最高阶项存在且不是1,则去除与这个项相乘的常数。
---得到的最后结果就是大O阶。
例:n^2/2+n/2 即 O(n^2)
3.常见的时间复杂度:
常用的时间复杂度所耗费的时间从小到大依次是:
O(1) < O(logn) < O(n) < O(nlogn) < O(n^2) < O(n^3) < O(2^n) < O(n!) < O(n^n)
空间复杂度:
算法的空间复杂度通过计算算法所需的存储空间实现。
算法的空间复杂度的计算公式记作:
S(n)=O(f(n)),其中,n为问题的规模,f(n)为语句关于n所占存储空间的函数。