复杂度
复杂度取决于以下几点:
1.算法采用的策略和方案。
2.编译产生的代码质量。
3.问题的输入规模。
4.机器执行指令的速度。
一个程序的运行时间依赖与算法的好坏和问题的输入规模(所谓问题输入规模是指输入量的多少)
研究算法的复杂度,侧重研究的是算法随着输入规模的扩大增长的一个抽象,而不是精确地定位需要执行多少次)
在分析一个算法的运行时间时,重要的是把基本操作的数量和输入模式关联起来。
算法的时间复杂度也就是,算法的时间度量。
执行次数=时间
用O(n)表示时间复杂度
随着输入规模n的扩大,T(n)增长最慢的算法为最优算法
三个求和算法时间度分别为O(1),O(n),O(n^2)
如图:
如何分析一个算法的时间复杂度?求导出大O阶?
第一步:用常数1取代运行时间中的所有加法常数。
第二步:在修改后的运行次数函数中,只保留最高阶项。
第三步:如果最高项存在且不为1,则去除与这个项相乘的常数。
第四步:得到的最后结果就是大O阶。
常用的时间复杂度所耗费的时间从小到大依次是:
O(1) <O(logn) O(n) <O(nlogn) <O(n^2) <O(n ^3)<O(2 ^n) <O(n!) <O(n ^n)
空间复杂度是指对空间的需求,在此不做赘述。