数据结构与算法-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，它花费的时间就多。一个算法中的语句执行次数称为语句频度或时间频度。记T(n)。

时间复杂度

• 一般情况下，算法中的基本操作语句的重复执行次数是问题规模n的某个函数，用T(n)表示，若有某个辅助函数f(n)，使得当n趋近于无穷大时，T(n)/f(n)的极限值为不等于0的常数，则称f(n)是T(n)的同数量级函数。记作T(n) = O(f(n)),称O(f(n))为算法的渐进时间复杂度，简称时间复杂度。

• T(n)不同，但时间复杂度可能相同。

• 计算时间复杂度的方法：
  *用常数1代替运行时间中的所有加法常数
  *修改后的运行次数函数中，只保留最高阶项
  *去除最高阶项的系数

• 常见的时间复杂度
  1)常数阶O(1)
  2)对数阶O(log2n)
  3)线性阶O(n)
  4)线性对数阶O(nlog2n)
  5)平方阶O(n^2)
  6)立方阶O(n^3)
  7)k次方阶O(n^k)
  8)指数阶O(2^n)

• 平均时间复杂度和最坏时间复杂度
  1)平均时间复杂度是指所有可能的输入实例均以等概率出现的情况下，该 算法的运行时间
  2)最坏情况下的时间复杂度称为最坏时间复杂度。一般讨论的时间复杂度均是最坏情况下的时间复杂度。这样做的原因是：最坏情况下的时间复杂度是算法在任何输入实例上运行的时间界限，这就保证了算法的运行时间不会比最坏情况更长
  3)平均时间复杂度和最坏时间复杂度是否一致，和算法有关

算法的空间复杂度
1)类似于时间复杂度的讨论，一个算法的空间复杂度(Space Complexity)定义为该算法所耗费的存储空间，他也是问题规模n的函数
2)空间复杂度是对一个算法在运行过程中临时占用储存空间大小的度量。算法需要占用的临时工作单元数与解决问题的规模n有关，它随着n的增大而增大，当n较大时，将占用较多的存储单元
3)在做算法分析时，主要是讨论时间复杂度。从用户使用的体验上看，更看重程序的执行速度。一些缓存产品(redis)和算法(基数排序)本质就是用空间换时间