如何衡量一个算法的好坏?
即算法的效率问题,分为两种:一种是时间效率(被称为时间复杂度),一种是空间效率(空间复杂度)。时间复杂度主要衡量的是一个算法的运行速度,而空间复杂度主要衡量一个算法所需要的额外空间。现如今,计算机行业不断发展,我们已经不需要再去特别关注一个算法的空间复杂度。
时间复杂度
1、定义:算法中的基本操作的执行次数,为算法的时间复杂度。
2、O的渐进表示法
计算一下Func基本操作执行了多少次?
Func执行的基本操作次数:F(N)=N^2+2*N+10
实际中我们在计算时间复杂度时,并不一定要计算精确的执行次数,而只需要大概执行次数即可,这就用到了我们所说的O的渐进表示法。
推导大O阶方法:
- 用常数1取代运行时间中的所有加法常数。
- 在修改后的运行次数函数中,只保留最高阶项。
- 如果最高阶项存在且不是1,则去除与这个项目相乘的常数。得到的结果就是大O阶。
Func的大O阶:O(N^2)
虽然算法的时间复杂度存在最好、平均及最坏三中情况,但我们通常关注的是算法的最坏运行情况,因为一旦达到了最坏情况,程序就会崩溃,我们应该尽量去避免这样的情况出现。