你的考试笔记之数据结构——一,算法效率
精简到只有考试会用到的知识
算法效率的度量
算法效率是指最坏情况下算法执行时间或者执行时所需额外空间的一个上界,设问题规模为n(n一般可理解为算法中基本运算(最深层循环内的语句)的频度,一个语句的频度是指该语句在算法中被重复执行的次数),常用时间复杂度T(n)和空间复杂度S(n)来描述。
一,时间复杂度
时间复杂度主要分析T(n)的数量级,算法中所有语句的频度之和记为T(n),它是该算法问题规模n的函数,通常采用算法中基本运算的频度f(n)来分析算法的时间复杂度。因此,算法的时间复杂度记为T(n)= O(f(n))。一般取f(n)中随n增长最快的项,将其系数置为1作为时间复杂度的度量。例如,f(n)=an3+ bn2+ cn 的时间复杂度为O(n3)。
在分析一个程序的时间复杂性时,有以下两条规则:
a)加法规则
T(n)= T1(n)+T2(n)=O((fn))+O(g(n))= O(max{f(n), g(n)})
b)乘法规则
T(n)= T1(n)×T2(n)= O(fn))×O(g(n))=O(f(n)×g(n))
常见的渐近时间复杂度为
O(1)<O(log2n)<O(n)<O(nlog2n)<O(n2)<O(n3)<O(2n)<O(n!)<O(nn)
二,空间复杂度
算法的空间复杂度S(n)定义为该算法所耗费的存储空间,它也是问题规模n的函数,记为S(n)= O(g(n))。
一个程序在执行时除需要存储空间来存放本身所用的指令、常数、变量和输入数据外,还需要一些对数据进行操作的工作单元和存储一些为实现计算所需信息的辅助空间。若输入数据所占空间只取决于问题本身,和算法无关,则只需分析除输入和程序之外的额外空间。
算法原地工作是指算法所需的辅助空间为常量,即O(1)。
随着n值越来越大,它们在时间效率上的差异也就越来越大。好比有些人每天都在学习,而另一些人,打打游戏、睡睡大觉,毕业后前者名企争着要,后者求职处处无门