复杂度分析
目标:算法的运行速度 —— 时间复杂度
算法运行所需要的空间 —— 空间复杂度
时间复杂度(和数据的规模有关)
不会直接用时间衡量(因为无法选定一个不变的客观的运行环境)
——使用算法的指令个数去衡量运行速度
所以最终,评估算法的运行时间变成了:
1.和数据的规模有光
2.计算该算法的指令个数
3.在考虑原始数据情况下
时间复杂度:函数关系,关于数据规模N的函数关系。
有了f(n)这样的函数关系,具体的忽略规则:
1.只需要保留最高次项
2.最高次项的系数化为1即可
复杂度化简(大O标记法): 只保留最高次项且高次项系数化为1。
数据的不同情况影响运算速度,一般来说,评价算法只需要分析算法的最坏情况即可。
总结:
时间复杂度:
1.衡量算法的运行速度
2.通过计算指令(基本指令)个数,来间接测量运算速度(基本指令复杂度为O(1))
3.具体的结果:关于数据规模(n)的函数关系
4.为了便于估算,使用大O标识符进行化简:
只保留最高次项
最高次项的系数为1
表示为O(N)/O(N^2)…
5.理论上应区分 最好/平均/最坏情况,但为了便于估算,一般只需要估算最坏情况即可。
什么叫做基本指令?
运算的时间复杂度为O(1)的才是基本指令。
计算时间复杂度的方法:
1.最常见的方式:记循环的次数
2.借助图形去理解:二分查找
3.借助调用栈画图:递归
对常见的复杂度做个排序:
O(1) < O(log(n)) < O(n) < O(n*log(n)) < O(n^2) < O(n ^3) < O(2 ^n)