🤡🤡🤡接着上一篇文章《算法的时间复杂度、空间复杂度》,本篇学习简化的算法时间复杂度分析!内容不多,简简单单!🤩🤩🤩
算法的时间复杂度、空间复杂度http://t.csdn.cn/2V9Yh
🐥🐥🐥🐥🐥🐥🐥🐥🐥🐥🐥🐥🐥🐥🐥🐥🐥🐥
一、👻前言
对于我们编写的算法,我们有必要去分析去时间复杂度,即分析它的运行效率,而运行效率又取决于算法的运行次数。一个好的算法,它应该是运行时间短的,占用内存空间小的,学会了如何去分析算法的时间复杂度并计算出大概的结果,这有助于我们编写出更优的算法,这也是作为一个好的程序员必备的技能。
但是一个算法执行所耗费的时间,从理论上是不能算出来的,必须上机运行测试才能知道。但我们不可能也没有必要对每个算法都上机测试,只需知道哪个算法花费的时间多,哪个算法花费的时间少就可以了。
二、😇何为简化的算法时间复杂度分析
在通常中,我们计算一个算法的时间复杂度,都在一步一步的分析每一行代码的运行次数,然后把它们加起来,最后计算出算法频度T(n),得出时间复杂度。
但是这种方法太过于繁琐,耗时长,往往我们不会愿意花太多的时间进去这样计算算法的时间的复杂度,所以有必要简化计算的步骤。
那么何为简化?(●'◡'●)
- 仅仅考虑算法中的基本操作,即算法中最深层循环内的原操作。
- 算法执行时间大致=基本操作所需时间*其运行次数
所以在算法分析中,计算T(n)时仅仅考虑基本操作的执行次数。
例如下面这个算法:
void matrixadd(int[][] A,int[][] B,int[][] C,int n)
{
for(int i=o;i<n;i++)
for(int j=0;j<n;j++)
C[i][j]=A[i][j]+B[i][j]; //只考虑该原操作
}
我们可以看到,该算法一共两个for循环语句,而每个执行n+1次,最后一行代码为原操作,那么我们的算法频度即为T(n)=n^2
对应的时间复杂度为:O(n^2)
具体计算:
你学废了吗?小玥早就废了!!!
🐷🐷🐷♥(。→v←。)♥🐷🐷🐷