算法效率度量c语言,【数据结构】6_算法效率的度量

常见的时间复杂度

常见时间复杂度的比较

当算法的时间复杂度为 O(2n)(n为指数)，O(n!),或O(nn)(n为指数)时，即使n的值很小，实际的程序运行时间也是不可接收的。

算法的最好与最坏情况

意义：当算法在最坏情况下仍然能满足需求时，可以推断，算法的最好情况和平均情况都能满足需求。

算法分析示例

int find(int a[], int n, int v)

{

int ret = -1;

for (int i=0; i

{

if (a[i] == v)

{

ret = i;

break;

}

}

return ret;

}

int main()

{

int arr[5] = {1,2,3,4,5};

int min = find(arr, 5, 1); // 最好情况，执行1次循环，O(1)

int max = find(arr, 5, 5); // 最坏情况，执行n次循环，O(n)

}

注意：数据结构课程中，在没有特殊说明时，所分析算法的时间复杂度都是指最坏时间复杂度。

算法的空间复杂度(Space Complexity)

定义： S(n) = S(f(n))

n 为算法的问题规模

f(n) 为空间使用函数，与n相关

推导时间复杂度的方法同样适用于空间复杂度。

例如：

当算法所需要的空间是常数时，空间复杂度为S(1)

空间复杂度计算练习

long sum1(int n) // 1

{

long ret = 0; // 1

int *array = new int[n]; // n

for (int i=0; i

{

array[i] = i + 1;

}

for (int i=0; i

{

ret += array[i];

}

delete[] array;

return ret;

}

所需的单元内存： n + 4

空间复杂度：S(n+4) = S(n)

空间与时间的策略

多数情况下，算法的时间复杂度更令人关注

如果有必要，可以通过增加额外空间降低时间复杂度

同理，可以通过增加算法的耗时降低空间复杂度

以上策略的依据：当前硬件的发展速度超过了软件的发展速度

实例分析：空间换时间

/*

问题：

在一个由自然数1-1000中某些数字所组成的数组中，每个数字可能出现零次或者多次。

设计一个算法，找出出现次数最多的数字。

*/

#include

using namespace std;

void search(int a[], int len) // O(n)

{

int sp[1000] = {0};

int max = 0;

for(int i=0; i

{

sp[a[i] - 1]++;

}

for(int i=0; i<1000; i++)

{

if( max < sp[i] )

{

max = sp[i];

}

}

for(int i=0; i<1000; i++)

{

if( max == sp[i] )

{

cout << i + 1 << endl;

}

}

}

int main(int argc, char* argv[])

{

int a[] = {1, 1, 3, 4, 5, 6, 6, 6, 3, 3};

search(a, sizeof(a)/sizeof(*a));

return 0;

}

输出：

3

6

面试题

当两个算法的大O表示法相同时，是否意味着两个算法的效率完全相同？

答：只能说效率同等级别，不能说完全相同。因为大O表示法只关注操作数量的最高次项。

小结

一般而言，工程中使用的算法，时间复杂度不超过O(n3)(3为指数)

算法分析与设计时，重点考虑最坏情况下的时间复杂度

数据结构课程终重点关注算法的时间复杂度

大O表示法同样适用于空间复杂度

空间换时间是工程中常用的策略

以上内容整理于狄泰软件学院系列课程，请大家保护原创！