一、算法是什么
算法就是一个定义良好的计算过程,他取一个或一组的值作为输入,并产生一个或一组值作为输出。简单来说算法就是一系列的计算过程,是程序员抽象出来的,并将输入结果转化为输出结果。
二、算法复杂度
对于一个问题,例如求1+2+3+...+100的值,看起来很简单,但它有各种各样的解决方法,有的人会硬算,用循环相加得到
int Algorithm_Add(int arr[],int n)
{
int i=0;
int sum=0;
for(i=0;i<n;i++)
{
sum+=arr[i];
}
return sum;
}
int main()
{
int arr[100]={0};
int i=0;
for(i=0;i<100;i++)
{
arr[i]=++i;
}
printf("sum=%d\n",Algorithm_Add(arr,10));
return 0;
}
也有人发现这是个等差数列前100项的和,根据等差数列前n项求和公式得出答案
int Algorithm_Add(int arr[],int n)
{
int sum=(*(arr)+*(arr+n-1))*n/2;
return sum;
}
int main()
{
int arr[100]={0};
int i=0;
for(i=0;i<100;i++)
{
arr[i]=++i;
}
printf("sum=%d\n",Algorithm_Add(arr,10));
return 0;
}
这两种算法得出的sum是一样的,但是这两种算法消耗的时间和空间却不一样
这就涉及到算法复杂度,我们为了衡量一个算法的好坏,主要从时间和空间两个维度上去比较。因此算法复杂度分为时间复杂度和空间复杂度,时间复杂度主要衡量一个算法的运行快慢,而空间复杂度主要衡量一个算法运行所需要的额外空间。
2.1.时间复杂度
时间复杂度的定义:在计算机科学中,算法的时间复杂度是一个函数,它定量的描述了该算法的运行时间。一个算法的执行所消耗的时间,从理论上说,是无法准确算出来的,只有你把程序在机器上跑起来,才能知道。但是我们需要每次都上机来测试吗,虽然可以,但是很麻烦,所以我们创造时间复杂度的分析方式。一个算法所花费的时间与其中语句的执行次数成正比,算法中的基本操作的执行次数,为算法的时间复杂度。
那么我们该怎么样计算时间复杂度呢?
大O的渐进表示法
大O符号:是用于描述函数渐进行为的数学符号。
推导大O阶方法:
1.用常数1取代运行时间中所有的加法常数。
2.在修改后的运行次数函数中,只保留最高阶项。
3.如果最高项存在且不为1,则除去这个项相乘的常数,得到的结果就是大O阶。
那么就以上文的两种算法为例
对于第一种算法,我们先算出大致的执行次数,由于有一个执行n次的循环,所以执行次数大致为n次,系数为1,所以这个算法的时间复杂度为O(N);
而第二种算法,我们通过求和公式直接算出了答案,所以执行次数为1次,所以算法的时间复杂度为O(1)。
大O渐进法会保留那些对结果影响较大的项,而忽略掉影响较小的,简单明了的表示出执行次数
比如例题
void Func1(int N)
{
int count=0;
for(int i=0;i<N;i++)
{
for(int j=0;j<N;j++)
{
++count;
}
}
for(int k=0;k<2+N;k++)
{
++count;
}
int M=10;
while(M--)
{
++count;
}
printf("%d\n",count);
}
这个算法的执行次数大致为N*N+2+N+10,N*N的阶项最高,所以只保留N*N作为大概执行次数,时间复杂度为O(N*N)。
另外有些算法的时间存在最好、平均、最差情况
最坏情况:任意输入规模的最大执行次数(上界)
平均情况:任意输入规模的期望执行次数
最好情况:任意输入规模的最小运行次数(下界)
例如:在一个长度为N的数组中寻找一个数
最坏:N次(第N次找到了或者N次都将没找到)
平均:N/2次
最好:1次(第一次就找到)
在实际中一般情况关注的是算法的最坏情况,所以数组中搜索数据的时间复杂度为O(N)
2.2空间复杂度
空间复杂度也是一个数学表达式,是对一个算法在运行过程中临时占用存储空间大小的量度。
空间复杂度不是程序占用了多少个bytes的空间,因为这样没多大的意义,所以空间复杂度算的是变量的个数。空间复杂度计算规则基本跟时间复杂度类似,也是用大O渐进表示法
注意:函数运行时所需要的栈空间(存储参数、局部变量、一些寄存器信息等)在编译期间已经确定好了,因此空间复杂度主要通过函数在运行时显式申请的额外空间来确定。
实例:
void BubbleSort(int* a,int n)
{
assert(a);
for(size_t end=n;end>0;--end)
{
int exchange=0;
for(size_t i=1;i<end;++i)
{
if(a[i-1]>a[i])
{
Swap(&a[i-1],&a[i]);
exchange=1;
}
}
if(exchange=0)
break;
}
}
这个函数运行过程中创造了end,exchange,i 3个变量,所以是常数项个,空间复杂度为O(1)。
对于大部分算法的空间复杂度,都是O(1)或O(N)
2.3空间的复用
对于时间复杂度来说,时间是不可逆的,但是空间可以重复使用,所以计算时间复杂度和空间复杂度有很大的区别
比如一个斐波那契数的算法函数
int Func2(int N)
{
if(N<3)
{
return 1;
}
return Func2(N-1)+Func2(N-2);
}
这样每次的递归相加的两个递归函数是复用同一个空间,而这样的空间有N个,所以空间复杂度为O(N)。