一. 简介
排序也称排序算法(Sort Algorithm),排序是将一组数据,依指定的顺序进行排列的过程。
排序的分类:
内部排序: 指将需要处理的所有数据都加载到内部存储器中进行排序。
外部排序法: 数据量过大,无法全部加载到内存中,需要借助外部存储进行排序。
度量一个程序(算法)执行时间的两种方法:
- 事后统计的方法:
这种方法可行, 但是有两个问题:一是要想对设计的算法的运行性能进行评测,需要实际运行该程序;二是所得时间的统计量依赖于计算机的硬件、软件等环境因素, 这种方式,要在同一台计算机的相同状态下运行,才能比较那个算法速度更快。- 事前估算的方法:
通过分析某个算法的时间复杂度来判断哪个算法更优.
二. 算法的时间复杂度
时间频度:
一个算法花费的时间与算法中语句的执行次数成正比例,哪个算法中语句执行次数多,它花费时间就多。一个算法中的语句执行次数称为语句频度或时间频度。记为T(n)。
例子:
比如计算1-100所有数字之和, 我们设计两种算法:
T[N] = n + 1 (100次计算,多一次判断)
T[N] = 1
时间复杂度特点
- 忽略常数项
- 忽略低次项
- 忽略系数
计算时间复杂度的方法:
O( f(n) ) 为算法的渐进时间复杂度,简称时间复杂度。
- 用常数1代替运行时间中的所有加法常数 T(n)=n²+7n+6 => T(n)=n²+7n+1
- 修改后的运行次数函数中,只保留最高阶项 T(n)=n²+7n+1 => T(n) = n²
- 去除最高阶项的系数 T(n) = n² => T(n) = n² => O(n²)
常见的时间复杂度
1)常数阶
- 无论代码执行了多少行,只要是没有循环等复杂结构,那这个代码的时间复杂度就都是O(1)
2)对数阶O(log2n)
- 在while循环里面,每次都将 i 乘以 2,乘完之后,i 距离 n 就越来越近了。假设循环x次之后,i 就大于 2 了,此时这个循环就退出了,也就是说 2 的 x 次方等于 n,那么 x = log2n也就是说当循环 log2n 次以后,这个代码就结束了。因此这个代码的时间复杂度为:O(log2n) 。
O(log2n) 的这个2 时间上是根据代码变化的,i = i * 3 ,则是 O(log3n) .
3)线性阶O(n)
- 单纯的for循环,无嵌套
这段代码,for循环里面的代码会执行n遍,因此它消耗的时间是随着n的变化而变化的,因此这类代码都可以用O(n)来表示它的时间复杂度4)线性对数阶O(nlogN)
- 将时间复杂度为O(logn)的代码循环N遍的话,那么它的时间复杂度就是 n * O(logN),也就是了O(nlogN)
5)平方阶O(n²)
- 2个for循环嵌套
6)立方阶O(n³)、K次方阶O(n^k)
- 3个for循环嵌套,n个for循环嵌套