讲在之前要说一下几种记号。
- 大O记号,大O记号描述了一个算法最坏的情况。因为是假设n>>2,从而通过n的替换来放大函数(常系数可以忽略,低次项可以忽略),并且相比于原式更加简洁也可以反映前者的增长趋势。这也是我们通常参考的时间复杂度。
- 大Ω记号,大Ω记号描述算法最好的情况,也是假设n>>2,从而通过n的替换来缩小函数,这通常是函数的下界。
- 大θ记号,大θ来描述算法的确切情况,是介于大O和大Ω之间的。
一个程序的时间复杂度大大影响了程序的时间,所以当我们在做一些有运行时间限制的算法题的时候,要优先考虑代码的时间复杂度。
下面列举几种常见的==时间复杂度==
> 1、常数复杂度O(1)
只执行一次的代码。一般情况不含转向(循环、调用、递归等),是循序执行的即是O(1)
array = [1,2]
a = array[0]
> 2、线性复杂度o(n)
只有一层循环。例子图的遍历,二叉树遍历(n代表二叉树节点总数,因为每个节点访问一次,且仅访问一次)、二维数组二分法查找(有序)。还有DFS和BFS。
for(int i = 0;i<3;i++);
> 3、n平方复杂度O(n^2)
双层嵌套循环
for(int i = 0;i<3;i++);
for(int n = 0;n<3;n-- );
> 4、指数复杂度O(2^n)
费伯罗契数列
#include <stdio.h>
void main()
{
int a=0;
int b=1;
int c=0;
int i;
for(i=0;i<10000;i++)
{
a=b;
b=c;
c=a+b;
printf("%d",c);
}
}
> 5、对数复杂度O(logn)
对于对数复杂度,底数不再要求。因为底数是常数,只需要根据对数运算法则,底数可任意变换,无非是前面多了一个常数系数。而在时间复杂度计算系数是可以忽略的。那么同理也有常数次幂无所谓。此类算法是非常高效的,复杂度无限接近于常数。
例如:一维数组二分查找 另外归并排序的时间复杂度是O(nlogn)
> 6、阶乘复杂度
例子求阶乘
==空间复杂度==
空间复杂度可以节省缓存空间,节约内存。
1、数组的长度基本决定了空间复杂度,对于一维数组的长度就是空间复杂度O(n)。二维数组的长度为n^2,那空间复杂度为O(n^2)。
2、递归的深度也表示空间复杂度的最大值,若递归里包含数组,那么数组和递归两者之间的最大值为空间复杂度。