数据结构学习Day2——时间复杂度与空间复杂度

最新推荐文章于 2022-07-01 23:11:29 发布

成自虚

最新推荐文章于 2022-07-01 23:11:29 发布

阅读量620

点赞数 1

分类专栏：数据结构与算法学习文章标签：数据结构

本文链接：https://blog.csdn.net/weixin_46685611/article/details/122954235

版权

3 篇文章 0 订阅

订阅专栏

时间复杂度

时间复杂度记为 T(n)=O(f(n))

其中T(n)代表算法中所有语句的频度之和，它是该算法问题规模n的函数。时间复杂度主要分析T（n）的数量级。时间复杂度T(n)是问题规模n的函数。
时间复杂度公式的通俗理解： T(n) = O( f(n) )，其中f(n) 表示每行代码执行次数之和，而 O 表示正比例关系，公式全称：算法的渐进时间复杂度。
O的含义是T(n)的数量级。
算法的时间复杂度不仅依赖于问题规模n，也取决于待输入数据的性质（如输入数据的初始状态）。
在分析一个程序的时间复杂度时，有以下两条规则
1. 加法规则
T(n)=T1(n)+T2(n)=O(f(n))+O(g(n))=O(max(f(n),g(n)))
2. 乘法规则
T(n)=T1(n)*T2(n)=O(f(n)*O(g(n))=O(f(n)*g(n))

空间复杂度记为 S(n)=O(g(n))

	for (int i = 0; i < n; i++) {	 	//执行n次
		for (int j = 0; j < n; j++) {	//执行n^2次
			num++;						//执行n^2次
		}
	}

这段代码的时间复杂度为O(n^2).

我的计算方法：

因为从0到n只需要操作n次，所以只需进行n次判断即可。设外层for循环为一个基本操作，需要的时间为T1（T1为执行一次for (int i = 0; i < n; i++)所需要的时间），由于外层for循环执行n次，所以运行时间就是n*T1。
接下来，设内层循环为一个基本操作，需要的时间为T2（T2为执行一次for (int j = 0; j < n; j++)所需要的时间），由于内层for循环执行n^2 次，所以运行时间为n^2*T2.
之后，设num++为一个基本操作，需要的时间为T3（T3为执行一次num++所需要的时间）），由于num++执行了n^2 次，所以运行时间为n^2*T3。
最后，我们可以得出总的运行时间T=n* T1+n^ 2* T2+n^2* T3。在问题中n为用户输入，n会根据用户输入进行变化。当n越大，上式中的n^ 2越大，也就是说对式子影响最大的是n^ 2。所以，删掉其他部分得到T=O（n^2)。通过这种方法，可得知这段代码的运行时间与输入的n的平方成正比。
O这个符号的意思可以理解为“忽略重要项以外的内容”。O(n^ 2)的含义就是“算法的运行时长最长也就是n^ 2的常数倍”。通过这种方法可以直观地了解算法的时间复杂度。