时间复杂度
衡量算法的好坏:时间复杂度和空间复杂度(内存占用)
O渐近表达式
1.时间复杂度(本质是一个函数,函数计算的是总的执行次数)
去掉低次项
系数化为1
常数都是O(1)
2.为什么使用执行次数而不是时间来衡量算法的好坏?
因为两个主机的”环境“可能不一样,比如一台此时要执行四个算法,另外一个要执行一个算法,在真正执行时,算法之间还会抢夺cpu分配的时间等。但次数不受影响。
F(n) =…
3.算法都会有个最优和最差,时间复杂度取最差的情况
以下两个算法的时间复杂度
分治算法时间复杂度
二分查找思想:
//二分查找------------很多坑
// 1 2 3 4 5 6 7 8 9。right可以是最后一个数字size-1,也可以是size;
//[][)
int BinearySearch(int *arrar, int size, int data)
{
int left = 0;
int right = size - 1; //左闭右闭
//int riht = size; //左闭右开,,影响下边的取等和mid值
while (left <= right) //坑一,是否取等
{
int mid = (right - left) / 2 + left; //坑二
if (data == arrar[mid])
return data;
else if (data>arrar[mid])
{
left = mid + 1;
}
else
right = mid - 1;
}
return -1;
}
上边的时间复杂度是?
除以2的次数就是时间复杂度
M分查找就是log(N)(M)
在二叉树中查找一个数的时间复杂度(类似上边)
找的数据先和根比,比它大往右边走,比它小,往左边走,找到后的时间复杂度就是 ------树的高度,因为以最差的情况当作时间复杂度
递归算法时间复杂度
时间复杂度:递归总次数*每次递归的次数
//递归的重难点-----划分小问题以及递归的出口
1.1+2+3+…n的和
int sum(int n)
{
if (n == 1)
return 1;
return sum(n - 1) + n;
}
//递归时间复杂度---递归了n次,每次递归了一次 O(N);
int fac(int n)
{
if (n == 0)
return 1;
return fac(n - 1)*n;
}
//递归了N+1次
空间复杂度—在堆上申请的空间个数
函数中创建对象的个数
斐波纳契分析时间空间复杂度
//求第n项
int fibo(int n)
{
if(n<3)
return 1;
else
return fibo(n-1)+fibo(n-2);
}
时间复杂度:
每次递归两次
递归总的次数是多少?如下图表示:
由图可知,斐波纳契重复递归了很多,所以效率很低