算法的效率
- 时间复杂度:执行程序所用的时间(CPU的使用程度)
- 空间复杂度:执行程序所用的存储空间(内存的使用程度)
我们要找一个时间和空间的tradeoff。一般来说,时间复杂度影响更深(内存不够可以加…),所以复杂度大部分情况指的是“时间复杂度“。
时间复杂度
-
时间频度:一个算法中,语句执行的次数;记为 T ( n ) T(n) T(n) ,其中 n n n 为问题的规模。
-
(渐进)时间复杂度:
- 因为时间频度和 n n n 相关,但我们不知道 n n n 的情况下,还是无法比较两个时间频度 T ( n ) T(n) T(n),所以引进这个渐进时间复杂度。
- 定义:若存在函数 f ( n ) f(n) f(n) 使得当 n n n 趋于无穷大时, T ( n ) / f ( n ) T(n)/f(n) T(n)/f(n) 的极限是不等于 0 的常数,则称 f ( n ) f(n) f(n) 是 T ( n ) T(n) T(n) 的同数量级函数;记作, T ( n ) = O ( f ( n ) ) T(n)=O(f(n)) T(n)=O(f(n)),则称 O ( f ( n ) ) O(f(n)) O(f(n)) 为算法的渐进时间复杂度,简称时间复杂度。
-
因为渐进时间复杂度用大写 O O O 来表示,所以也被称为大 O O O 表示法。
我的理解就是:用一个我们常见的、好理解的、简单函数f(n)来表示时间频度T(n)。 |
- f ( n ) f(n) f(n) 可以为: 1 1 1、 n n n、 l o g n logn logn、 n 2 n^2 n2 等;同样的,可将 O ( 1 ) O(1) O(1)、 O ( n ) O(n) O(n)、 O ( l o g n ) O(logn) O(logn)、 O ( n 2 ) O(n^2) O(n2) 称为常数阶、线性阶、对数阶和平方阶。
如何推导时间复杂度 O O O ?
- 如果运行时间为常数量级,用常数1表示;
- 质保路时间函数/时间频度中的最高阶项;
- 如果最高阶项存在,省去最高阶项前面的系数。
时间复杂度的比较:
O ( 1 ) < O ( l o g n ) < O ( n ) < O ( n l o g n ) < O ( n 2 ) < O ( n 3 ) < O ( 2 n ) < O ( n ! ) < O ( n n ) O(1)<O(logn)<O(n)<O(nlogn)<O(n^2)<O(n^3)<O(2^n)<O(n!)<O(n^n) O(1)<O(logn)<O(n)<O(nlogn)<O(n2)<O(n3)<O(2n)<O(n!)<O(nn)
不同时间复杂度举例(cont.)
- O ( l o g n ) O(logn) O(logn) :二分查找
- O ( n ) O(n) O(n):一个for循环
- O ( n l o g n ) O(nlogn) O(nlogn) :
- O ( n 2 ) O(n^2) O(n2):两个嵌套的for循环
Reference
- https://blog.csdn.net/qq_41523096/article/details/82142747
- https://blog.csdn.net/itachi85/article/details/54882603