数据结构与算法 数据结构中时间复杂度和空间复杂度

时间复杂度和空间复杂度

事后统计方法：主要通过设计好的测试程序和数据，利用计算机计时器对不同算法编制的程序的运行时间进行比较，从而确定算法效率的高低。

缺陷：必须依据算法事先编制好测试程序，通常花费大量时间和精力。
不同测试环境差别比较大

事前分析估算方法：在计算机程序编写前，依据统计方法对算法进行

高级语言编写的程序在计算机上运行所消耗的时间取决于：
1.算法采用的策略，方案
2.编译采用的代码质量
3.问题的输入规模（输入量的多少）
4.机器执行指令的速度

函数的渐进增长：给定的两个函数f（n）和g（n），如果存在一个整数N，使得对于所有的n>N，f（n）总是比g（n)大，那么，我们说f(n)的增长渐进快与g（n）。

判断一个函数的效率时，函数中的常熟和其他次要项常常可以忽略，而应该关注主项（最高项）的阶数。不能通过少量数据做出判断。

算法时间复杂度的定义：
在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，进而分析T(n)随n的变化情况并确定T（n）的数量级。算法的时间复杂度，也就是算法的时间量度，记做:T(n)=o(f(n))。它表示随问题规模n的增大，算法执行时间的增长率和f（n）的增长率相同称作算法的渐进时间复杂度，简称时间复杂度。其中f(n)是问题规模n的某个函数。

一般情况下，随着输入规模n的增大，T（n）增长最慢的算法为最优算法。

如何分析一个算法的时间复杂度？
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，则除去与这个项相乘的常数。
4.得到的最后的结果就是时间复杂度。

算法的空间复杂度：
通过计算算法所需的存储空间实现，算法的空间复杂度的计算公式记做：S（n）=O(f(n))，其中，n为问题的规模，f（n）为语句关于n所占的村塾空间的函数。

通常，我们都是用“时间复杂度”来指运行时间的需求，使用“空间复杂度”指空间需求。
档直接要我们求“复杂度”时，通常指的是时间复杂度。

PS：个人学习笔记，如果错误望大佬指正（手动狗头）。