ONE
有朋友问起算法的时间复杂度和空间复杂度的定义和计算方式,于是决定总结一下,一方面可以给大家看,另一方面也算是自我巩固。
内容参考自《数据结构和算法》,百度百科 等。
TWO 算法的基本概念
算法是对特定问题求解步骤的一种描述,它是指令的有限序列,其中每一条指令表示一个或多个操作。
一个算法还具有下列5 个重要特性:有穷性,确定性,可行性,输入,输出。
设计一个好的算法应考虑以下目标:正确性,可读性,健壮性,效率与低存储量需求。
THREE 算法的度量标准
- 时间复杂度
一个语句的频度是指该语句在算法中被重复执行的次数。算法中所有语句的频度之和记作T(n),它是该算法问题规模 n 的函数,时间复杂度主要分析T(n)的数量级。算法中的基本运算(最深层循环内的语句)的频度与T(n)同数量级,所以通常采用算法中基本运算的频度f(n)来分析算法的时间复杂度。因此,算法的时间复杂度记为: T( n ) = O( f(n) )
其中“ O ”的含义是T(n)的数量级,其严格数学定义是:若T(n)和f(n)是定义在正整数集合上的两个函数,则存在正的常数C和n0,使得当n>=n0时,都满足0<=T(n)<=C*f(n)。
算法的时间复杂度不仅依赖于问题的规模n,也取决于待输入数据的性质(如输入数据元素的初始状态)。
举例:在数组A[0..n-1]中,查找给定值k的算法大致如下:
int FindValue(int k,int *A,int n) //k是待查数,A是数组,n是数组元素个数
{
int i = 0;
while (i < n && (A[i] != k))
{
i++; //语句 1
}
return i;
}
/ 容易看出此方法中最深层循环的语句为 语句1:“ i-- ” ,则:
/ 若A中没有与k相等的元素,则语句1的频度为f(n)=n。
/ 若A的第i个元素(下标i-1)等于k,则语句1的频度为f(n)=i。
/ 最坏时间复杂度 O(n) //没有k元素
/ 最好时间复杂度 O(1) //k在第1位
/ 平均时间复杂度 O((1+n)/2) = O(n) //平均值
常见的时间复杂度量
- O(1) :常量阶,运行时间为常量
- O(log2n) :对数阶,如二分搜索算法
- O(n) :线性阶,如n个数内找最大值
- O(nlog2n) :对数阶,如快速排序算法
- O(n^2) :平方阶,如选择排序,冒泡排序
- O(n^3) :立方阶,如两个n阶矩阵的乘法运算
- O(2^n) :指数阶,如n个元素集合的所有子集的算法
- O(n !) :阶乘阶,如n个元素全部排列的算法
运算规则
- 加法规则 :T(n) = T1(n)+T2(n) = O(f(n))+O(g(n))=O( max(f(n),g(n)) )
- 乘法规则:T(n) = T1(n)*T2(n) = O(f(n))*O(g(n))=O( f(n)*g(n) )
- 空间复杂度
空间复杂度(Space Complexity)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,记做S(n)=O(f(n))。