1.时间复杂度
一,定义
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,即算法的时间度量,记作:T(n)=O(f(n))。他表示随问题规模n的增大,算法执行时间的增长率和f(n)的增长率相同,称作算法的时间渐进复杂度,简称为时间复杂度。其中f(n)是问题规模n的某个函数。
一般用大写O()来体现算法时间复杂度的记法,我们称之为O记法。
二,推导大O阶的方法
三,常数阶
无论代码执行多少次,只要其中没有复杂语句(如循环等)参与运算,那么其时间复杂度为O(1)
#include<stdio.h> int main(){ int num=4; printf("%d\n",num); return 0; }
运行次数为2,其时间复杂度为O(1)
四,线性阶O(n)
#include<stdio.h> int main(){ int arr[]= {1,2,3,4,5,6}; for(int i=0;i<6;i++){ printf("%d",arr[i]); } return 0; }
for循环里面的代码会执行n次,其消耗的时间随n的变化而变化,所以其时间复杂度为:O(n)
五,对数阶
for(int i=1;i<=n;i*=2){
O(1)序列;
}
如上例,for循环中代码运行时每一次i都会乘2:1,2,4,8,16.............=n,趋近于n,
所以其时间复杂度为:O(logn)(以2为底);
六,平方阶O(n*n)
#include<stdio.h> int main(){ int n; scanf("%d",&n); for(int i=0;i<n;i++){ for(int j=0;j<n;j++){ printf("%d\n",i+j); } } return 0; }
如上例,两个for循环嵌套,其时间复杂度为O(n*n);
七,常用的时间复杂度消耗时间排序
O(1)<O(logn)<O(n)<O(n*n)
2,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。
一般情况下,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。若输入数据所占空间只取决于问题本身,和算法无关,这样只需要分析该算法在实现时所需的辅助单元即可。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)。
常用的有O(1) O(n) O(n*n)