《算法的时间复杂度和空间复杂度》
文章目录
一.前言
算法复杂度:
算法在编写成可执行程序后,运行时需要耗费时间资源和空间(内存)资源 。因此衡量一个算法的好坏,一般是从时间和空间两个维度来衡量的,即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。
在计算机发展的早期,计算机的存储容量很小。所以对空间复杂度很是在乎。但是经过计算机行业的迅速发展,计算机的存储容量已经达到了很高的程度。所以我们如今已经不需要再特别关注一个算法的空间复杂度。
二.时间复杂度
2.1时间复杂度的概念
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,它定量描述了该算法的运行时间。
一个算法执行所耗费的时间,从理论上说,是不能算出来的,只有你把你的程序放在机器上跑起来,才能知道。但是我们需要每个算法都上机测试吗?是可以都上机测试,但是这很麻烦,所以才有了时间复杂度这个分析方式。
一个算法所花费的时间与其中语句的执行次数成正比例,算法中的基本操作的执行次数,为算法的时间复杂度。
看了以上的概念之后我们来算一下下面的这个例子中的++count一共执行多少次.
可以总结出 func1的基本执行次数为 N * N+2*N+10
- N = 10 F(N)=130
- N=100 F(N)=10210
- N=1000 F(N)=1002010
如果我们取其中最高的阶数来运算看看,N*N。
- N = 10 F(N)=100
- N=100 F(N)=10000
- N=1000 F(N)=1000000
是不是发现随着N的增大,F(N)与上列的F(N)也越来越接近,那是不是也就说我们不需要那么精确的去计算执行次数,而只需要大概的执行次数就可以,所以可以使用大O的渐进表示法。
2.2 大O的渐进表示法
大O符号(Big O notation):是