算法的时间复杂度、空间复杂度

本篇接着上一篇“算法与算法设计”讲，欢迎回来！！！本篇一起学习算法的时空复杂度！！！

《数据结构》算法与算法设计http://t.csdn.cn/5o6qC

第一次看的小伙伴，建议先看看上一篇文章，点击上面链接即可进入！忘记内容了的小伙伴也建议回去看看！！！

本章学习目录：

目录

一、算法分析的内容

 二、分析方法

三、算法的执行时间

四、计算算法频度T(n)

---

一、算法分析的内容

我们写的一个算法，要知道它是否性能良好时，那么我们就需要对它进行分析。

问题来了，我们该分析它什么？

我告诉你了，我们关键要分析的是算法占用的资源！！！ 

什么资源？：（主要是两个）

• CPU时间：时间性能分析
• 内存空间：空间性能分析

对应的就是我们的两个复杂度：时间、空间

 二、分析方法

我们分析算法目的是为了改进算法的性能。

空间复杂度很多时候都是O（1），在这里我们重点讨论的是时间的复杂度！！！

有两种分析方法：事后分析统计法和事前估算统计法

1. 事后分析统计法

编写相应的程序，然后统计其执行的时间。

缺点：

这种方法虽然是可行的，但面对很多时候，也那么适合使用！

主要有以下原因：导致不能用绝对的执行时间来比较

• 编写算法的语言（Java、c\c++等等)
• 执行程序的环境（不同的计算机、不同的状态等等）
• 其他因素

2、事前估算统计法

撇开上述因素，认为算法的执行时间与问题的规模n的函数。

三、算法的执行时间

首先我们要知道，

算法=控制结构+原操作

算法的性能好坏正是这两者的综合的效果！

控制结构：包括

• 顺序结构
• 分支结构
• 循环结构

原操作定义：固有的数据类型的操作，如+、-、*、/等等。

在一个算法中，执行原操作的次数越少，其执行时间也就越少，否则越多。

算法频度:算法中原操作的执行次数

而执行时间可以由算法频度来计量！！！

四、计算算法频度T(n)

算法的执行时间=原操作所需时间*T（n)

执行时间T(n)是问题规模n的某个函数f(n),记作：

T(n)=O(f(n))

由上图可知，常见的时间复杂度有：

O(1):常数阶       O(n):线性阶      O(n2):平方阶    O(n3):立方阶    O(log2n):对数阶

.........

O（1)<O(log2n)<O(n)<O(nlog2n)<O(n2)<O(n3)<.......

好啦本篇就学习到这，下一篇内容将学习如何简单快速的计算算法的时间复杂度，这将会抓住“原操作”来讲！！！期待你的关注！