算法时间复杂度和空间复杂度

独立于机器的软，硬件系统，一个算法的时间复杂度就是该算法中所有语句的频度之和，用T(n)表示，其中n为为问题的规模。

例如 求两个n 阶矩阵的乘积C=A*B ,其算法如下：



                               void MatrixMultiply(int A[n][n],int B[n][n],int C[n][n])

                         {

                                int i,j,k;

                        ①      for(i=0;i<n;i++)                         //n+1

                        ②        for(j=0;j<n;j++)                    //n(n+1)

                                    { 

                        ③             c[i][j]=0;                         //  n*n

                        ④               for(k=0;k<n;k++)          //n*n(n+1)

                        ⑤                  c[i][j]=C[i][j]+A[i][k]*B[k][j];//n*n*n

                                    }

                         }

分析：语句①  的循环控制变量i 要测试到i 等于n 成立才会终止，故它的频度是n+1,但是的它的循环体只执行了n次。同理可得②~ ⑤ 的频度分别是n(n+1)， n*n，n*n(n+1)，n*n*n。所以，该算法中所有语句的频度之和即为时间复杂度：

                     T(n)=2n*n*n+3n*n+2n+1

 

 

  算法空间复杂度是指：算法在执行过程中，除代码本身和输入，输出数据所占据的空间

 

外，临时开辟的存储空间，即辅助空间的数量级。一般来说，它也是问题空间n的函数。

 

当n趋向无穷大时，空间复杂度S(n) 的数量级（阶）称为算法的渐进空间复杂度，简称为空间复杂度

，记作

                                     S(n) =o(f(n)) 

 

 算法复杂度是算法时间和空间复杂度的统称。