复杂度问题

最新推荐文章于 2024-05-05 07:08:21 发布

每天早起吃早餐

最新推荐文章于 2024-05-05 07:08:21 发布

阅读量604

点赞数 1

文章标签：数据结构算法

本文链接：https://blog.csdn.net/taikongdi10xing/article/details/50904137

版权

数据结构中复杂度问题

复杂度问题想必是很多人最头疼的问题，下面就对其进行一些总结

复杂度分为：时间复杂度与空间复杂度

空间复杂度：算法运行时，占用多少内存，包括指令空间、数据空间和环境栈空间；

时间复杂度：执行程序所使用的时间量级，包括编译时间和运行时间。

评价一个算法的好坏，一般两种复杂度呈现线性增长是最好的。

常见的时间复杂度：

常数阶：O(1)

对数阶：O(log2n)

线性阶：O(n)

线性对数阶：O(nlog2n)

平方阶，立方阶：O(n^2)，O(n^3)

K次方阶：O(n^k)

指数阶：O(2^n)

时间复杂度的计算方法：

1.去掉运行时间中的所有加法常数。

2.只保留最高阶项。

3.如果最高阶项存在且不是1，去掉与这个最高阶相乘的常数得到时间复杂度

举个简单的例子：

int a=0

for(int i=1;i<n;i++){

a++;

}

该例子中共运行了n-1次，去掉加法常数-1（因为n取较大时，常数对时间复杂度影响较小），进而可得知时间复杂度为n，用O（n）表示

再举例，若一个程序的复杂度为n^2/2+3显然先去掉常数项3，再保留最高项n^2/2，去掉最高项想成的常数1/2就可得时间复杂度O（n^2）

呀吼，是不是很简单，豁然开朗的赶脚。

下面给出一些经典算法复杂度的总结：

最后希望可以帮到大家~

关注