算法
确定性
健壮性
算法效率度量
时间复杂度
空间复杂度
算法运算时间与以下几个方面相关
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
故不考虑这些与计算机硬件、软件有关的因素,一个程序的运行时间依赖于算法的好坏和问题的输入规模。
判断一个算法的效率时,函数中的常数和其他次要项常常可以忽略,更应该关注主项(最高项)的阶数。 函数的渐进增长
例如:算法计算次数2n^2+3n+1,其时间复杂度为O(n^2)
算法时间复杂度
定义:在进行算法分析时,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度量,记作:T(n)=O( f(n) )。它表示问题规模n的增大,算法执行时间的增长率和f(n)的增长率相同,称作算法的渐进时间复杂度,简称时间复杂度。其中f(n)是问题规模n的某个函数。
函数调用的时间复杂度
常见的时间复杂度:
常数阶 线性阶 平方阶 nlogn阶 对数阶 立方阶 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
计算算法所需的存储空间实现
算法 | 大O表示法的时间复杂度 |
线性查找 | O(N) |
二分查找 | O(logN) |
无序数组的插入 | O(1) |
有序数组的插入 | O(N) |
无序数组的删除 | O(N) |
有序数组的删除 | O(N) |