算法的时间复杂度和空间复杂度

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。