时间复杂度和空间复杂度
前言
从现在开始,正式挑战数据结构与算法这座大山啦~数据结构入门的第一课–时间复杂度和空间复杂度。解决一个问题有很多种,每个人都有自己的想法,如果你是老板的话,肯定是要选择最好最优的方法。那么,我们怎么样才能去评判一个程序的质量呢?我们通常从两个维度去思考这件事情,时间和空间。也就是说,一个好的程序,它不能运行得太慢,同时占用的空间也不能太多。下面,就带大家一起探究探究什么是一个程序的时间复杂度和空间复杂度。
文章目录
时间复杂度的概念
时间复杂度的定义:在计算机科学中,算法的时间复杂度是一个函数,它定量描述了该算法的运行时间。一个算法执行所耗费的时间,从理论上说,是不能算出来的,只有你把你的程序放在机器上跑起来,才能知道。但是我们需要每个算法都上机测吗?是可以都上机测试,但是这很麻烦,所以才有了时间复杂度这个分析方式。一个算法所花费的时间与其中语句的执行次数成正比例,算法中的基本操作的执行次数,为算法的时间复杂度。
即:找到某条基本语句与问题规模N之间的数学表达式,就是算出了该算法的时间复杂度
大O阶的推导方法
在实际计算程序的时间复杂度时,我们并不需要精准的计算这个程序到底运行了多少次,而是推算出它的大概次数就可以了,也就是说,弄明白这个程序运行的量级就OK了,我们采用的是大O阶的推导办法:
1、用常数1取代运行时间中的所有加法常数。
2、在修改后的运行次数函数中,只保留最高阶项。
3、如果最高阶项存在且不是1,则去除与这个项目相乘的常数。得到的结果就是大O阶。
有一些程序的运行次数存在几种情况:最好情况,平均情况,最差情况。
最好情况:任意输入规模的最小运行次数(下界)
平均情况:任意输入规模的期望运行次数
最差情况:任意输入规模的最大运行次数(上界)
那在这种情况下,我们采用哪个作为这个程序的时间复杂度呢?这就比如你今天和一个女孩子去约会,但是可能有点事情,最早在17:00之前就能办好,平均在18点之前就能办好,最差的情况下19:00之前能够办好,为了能够万无一失,你会选择哪个时间点作为你们的见面时间?肯定是19:00,对吧?所以说,我们的程序也是一样的,我们就选择最坏情况作为我们的时间复杂度。下面我们结合一些例子来看看,时间复杂度到底应该如何去计算。
推导时间复杂度的实例
常数阶O(1)
// 计算Func4的时间复杂度?
void Func4(int N)
{
int count = 0;
for (int k = 0; k < 100; ++ k)
{
++count;
}
printf(