算法复杂性有两个方面:时间复杂性和空间复杂性
分析算法复杂性的目的:我们需要设计、选择复杂性低的算法以追求效率,节约计算资源。
注意:分析算法的复杂性要脱离具体的物理机器,而是去分析算法本身的效率,算法复杂性只与问题的规模、算法的输入和算法本身有关。
时间复杂性与空间复杂性相似,下面本文主要介绍时间复杂性
时间复杂性的三种情况
- 最坏情况
- 最好情况
- 平均情况
其中,最具意义的是最坏情况下的时间复杂性
时间复杂度举例
{++x; s = 0;}
时间复杂度:O(1)——常量阶
for(i=1;i<=n;++i)
{
++x;
s+=x;
}
时间复杂度:O(n)——线性阶
for(j=1;j<=n;++j)
for(k=1;k<=n;++k)
{
++x;
s+=x;
}
时间复杂度: O ( n 2 ) O(n^2) O(n2)——平方阶
一个简便的判断时间复杂度方法:有几层 for 循环就是 n 的几次方
时间复杂度运算规则
- O(f) + O(g) = O(max(f,g))
- O(f) + O(g) = O(f + g)
- O(f)O(g) = O(fg)
- 如果 g(N) = O(f(N)),则 O(f) + O(g) = O(f)
- O(Cf(N)) = O(f(N)),其中 C 是一个正的常数
- f = O(f)