算法效率小结

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)