时间复杂度
同一问题可用不同算法解决,而一个算法的质量优劣将影响到算法乃至程序的效率。算法分析的目的在于选择合适算法和改进算法。
计算机科学中,算法的时间复杂度是一个函数,它定量描述了该算法的运行时间。这是一个关于代表算法输入值字符串
的长度的函数。时间复杂度常用大写的o
表述,不包括这个函数的低阶项和首项系数。使用这种方式时,时间复杂度可被称为是渐近的,它考察当输入值大小趋近无穷时的情况。
空间复杂度
空间复杂度(Space Complexity)是对一个算法在运行过程中临时占用存储空间大小的量度,记做S(n)=O(f(n))。比如直接插入排序的时间复杂度是O(n^2),空间复杂度是O(1) 。而一般的递归算法就要有O(n)的空间复杂度了,因为每次递归都要存储返回信息。一个算法的优劣主要从算法的执行时间和所需要占用的存储空间两个方面衡量。
下面简单的举几个例子来方便读者理解
1、递归实现二分查找法以及非递归实现二分查找法
#include<iostream>
#include<string>
using namespace std;
int Binary_Search(int arr[],int len,int n)//普通实现
{
int left=0;
int right=len-1;
int mid=(right+left)/2;
while (arr[mid]!=n&&left<=right)
{
if (n>arr[mid])
{
left=mid+1;
}
else if(n<arr[mid])
{
right=mid-1;
}
mid=(right+left)/2;
}
if(n==arr[mid])
return mid;
}
//时间复杂度:log2 N
//空间复杂度:O(n)
int Binary_Search2(int arr[],int left,int right,int n)//递归实现
{
if(left<=right)
{
int mid=left+right;
if(n==arr[mid])
return mid;
else if(n<arr[mid])
return Binary_Search2(arr,left,mid-1,n);
else
return Binary_Search2(arr,mid+1,right,n);
}
}
//时间复杂度:每次查找的个数N+N/2+N/(2^2)+...... +N/(2^K)
//所以k为时间复杂度
//K=log2N(n在右上角)
//空间复杂度:O(N)
int main()
{
int arr[]={1,2,3,4,5,6,8,9,12,13,14};
int key1=Binary_Search(arr,sizeof(arr)/sizeof(arr[0]),8);
cout<<"下标为"<<key1<<endl;
int key2=Binary_Search2(arr,0,sizeof(arr)/sizeof(arr[0])-1,8);
cout<<"下标为"<<key2<<endl;
return 0;
}
2.非递归实现菲薄那列函数及递归实现
#include<iostream>///非递归实现
#include<assert.h>
using namespace std;
long long Fib(long long n)
{
assert(n>=0);
long long num1=0;
long long num2=1;
long long ret=0;
for(long long i=2;i<=n;++i)
{
ret=num1+num2;
num1=num2;
num2=ret;
}
return ret;
}
//时间复杂度:O(N)
//空间复杂度:O(N)
int main()
{
int m=Fib(20);
cout<<"菲薄那列数为"<<m<<endl;
return 0;
}
#include<iostream>//递归实现
#include<assert.h>
using namespace std;
long long Fib(long long n)
{
assert(n>=0);
if(n<2)
return n;
else
return Fib(n-1)+Fib(n-2);
}
int main()
{
int ret=Fib(5);
cout<<ret<<endl;
return 0;
}
时间复杂度计算
FIB(5)计算过程
显然左边比右边走的次数多,但这里近似取一样
记时间复杂度约为o(2^n)
空间复杂度为o(n)
递归算法虽然简单明了但时间复杂度较大,这是它的一个缺点