-
算法效率的度量方法:有事后分析估算和事前分析估算。
事前分析估算方法:在计算机程序编写前,依据统计方法对算法进行估算。
一个高级语言编写的程序在计算机上运行时所消耗的时间取决于下列因素:
1.算法采用的策略,方案
2.编译产生的代码质量
3.问题的输入规模
4.机器执行指令的速度 -
函数的渐近增长:给定两个函数f(n)和g(n),如果存在一个整数N,使得对于所有的n>N,f(n)总是比g(n)大,那么,我们说f(n)的增长渐近快于g(n)。
-
** 算法时间复杂度**
算法肘间复杂度的定义:在进行算法分析肘,语句总的执行次数T(n)是关于问题规模n的函数,进而分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度,也就是算法的时间量度,记作:T(n)=0(f(n)。它表示随问题规模n的增大,算法执行肘间的增长率和f(n)的增长率相同,称作算法的渐近时间复杂度,简称为时间复杂度。其中f(n)是问题规模n的某个函数。(关键需要知道执行次数二时间)
一般,随着输入规模n的增大,T(n)增长最慢的算法为最优算法。 -
推导大0阶方法
1用常数1取代运行时间中的所有加法常数。
2在修改后的运行次数函数中,只保留最高阶项。
3如果最高阶项存在且不是1,则去除与这个项相乘的常数。
4得到的最后结果就是大0阶。
常数阶
int sum =0, n=100;
printf(“I 1ove Fishc.com\n”);
printf(“I 1ove Fishc.com\n”);
printf(“I 1ove fishc.com\n”);
sum=(1+n)*n/2;
//O(1)
线性阶
int i, n= 100, sum= 0;
for( i=0; i< n; i++)
{
sum = sum + 1;
}
//它的循环的肘间复杂度为O(n),因为循环体中的代码需要执行n次
平方阶
int 1,j, n=100;
for( i=0; i< n, i++)
{
for(j=0;j< n; 3++)
{
printf(“I1oveFish.com\n”);
}
}
//O(n^2)
对数阶
int 1=1, n=100;
while( i<n)
{
i=i*2;
}
// 于是由2^x=n得到x=1og(2)n,所以这个循环的时间复杂度为O(1ogn)
函数调用的时间复杂度分析
void function(int count)
{
int j;
for(j=count; j<n; j++)
{
printf(("%d”, count);
}
}
int i,j;
for (i=0; i< n; i++)
{
function(i);
}
//function函数的肘间复杂度是O(n),所以整体的时间复杂度就是O(n^2)
**常见的时间复杂度**
例子 | 时间复杂度 | 装逼术语 |
---|---|---|
5281314 | O(1) | 常数阶 |
3n+4 | O(n) | – |
3n^2+4n+5 | O(n^2) | – |
3log(2)n+4 | O(logn) | 对数阶 |
2n+3nlog(2)n+14 | O(nlogn) | nlogn阶 |
n^3 +2n^2+4n+6 | O(n^3) | 立方阶 |
2^n | O(2^n) | 指数阶 |
常用的时间复杂度所耗费的时间从小到大依次是 :
O(1)<O(logn)<O(n)<O( nlogn)<O(n^2 )<O(n^3 )<O(2^n )<O(n!)<O(n^n)
-
算法的空间复杂度
算法的空间复杂度通过计算算法所需的存储空间实现,算法的空间复杂度的计算公式记作:
S(n)=O(f(n)),其中,n为问题的规模,f(n)为语句关于n所占存储空间的函数。
通常,我们都是用“时间复杂度”来指运行时间的需求,是用“空间复杂度”指空间需求。