对一个程序或算法来说,评估它的运行效率主要从两个方面来考虑,一个是时间上的开销,一个是空间上的开销。时间方面指的是程序的运行时间,称为时间复杂度 ,空间方面指的是程序在运行时使用计算机内存的大小,称为空间复杂度。
一、时间复杂度
算法中执行基本操作的次数称为算法的时间复杂度。
对于算法复杂度,一般采用大O渐进表示法。
用个例子演示一下什么是大O渐进表示法。
对于一个函数f(n) = 3n^2 + 10n + 5,采用大O渐进表示法为O(n^2).
也就是对于一个函数表达式,保留其最高次项,忽略其他项,同时忽略其系数。其实就是一种在数量级上体现基本操作次数的表示方法。
下面具几个例子来看看:
void fun1(int n){
int count = 0;
for(int i = 0; i < n; i++){
for(int j = 0; j < n; j++){
count ++;
}
}
for(int k = 0; k < 2 * n; k++){
count++;
}
}
对于上面这个方法,可以看出基本操作count++
执行了n^2 + 2 * n 次,用大O渐进表示法,保留其最高次项,忽略低次项,忽略高次项的系数,得到O(n^2)。
void fun2(int m, int n){
int count = 0;
for(int i = 0; i < m; i++){
count++;
}
for(int j = 0; int j < n; j++){
count++;
}
}
对这个方法,基本操作执行了m + n次,所以用大O渐进表示法表示其算法复杂度为O(n + m)。
void fun3(){
int count = 0;
for(int i = 0; i < 100; i++){
count++;
}
}
对于这个例子,基本操作执行了100次,用大O渐进表示法表示其算法复杂度为O(1)。
二、空间复杂度
空间复杂度是一个算法在执行过程中临时占用存储空间大小的量度。空间复杂度不是程序占用了多少比特的空间。空间复杂度算的是变量的个数。空间复杂度的表示一般也使用大O渐进表示法。