算法效率
算法效率:算法效率分析分为两种:第一种是时间效率,第二种是空间效率。时间效率被称为时间复杂度,而空间效率被称作空间复杂度。
时间复杂度:算法中基本操作的执行次数。
实际中我们计算时间复杂度时,我们其实并不一定要计算精确的执行次数,而只需要大概执行次数,那么这里我们使用大O的渐进表示法。
大O符号(Big O notation):是用于描述函数渐进行为的数学符号
推导大O阶的方法:
1.用常数1取代运行时间中所有加法常数
2.在修改后的运行次数函数中,只保留最高阶。
3.如果最高阶存在且不是1,则去除与这个项目相乘的常数。得到的结果就是大O阶。
实例
1.计算斐波那契递归的时间复杂度。
int fibonacci(int N){
return N<2?N:fibonacci(N-1)+fibonacci(N-2);
}
//O(2^n)
2.计算阶乘递归的时间复杂度。
long factorial(int N){
return N<2?N:factorial(N-1)*N;
}
//O(N)
3.二分查找的时间复杂度
空间复杂度:是对一个算法在运行过程中临时占用储存空间大小的度量
斐波那契递归的空间复杂度。
int fibonacci(int N){
return N<2?N:fibonacci(N-1)+fibonacci(N-2);
}
//递归调用了N次,开辟了N个栈,每个栈使用常数个空间 空间复杂度为O(N)