时空复杂度分析

logn_sort

已于 2022-09-23 22:51:20 修改

阅读量225

点赞数

文章标签： c++

于 2022-07-27 20:21:33 首次发布

本文链接：https://blog.csdn.net/weixin_54994444/article/details/126022130

版权

算法的复杂度是评估算法优劣一个重要指标，可以帮助我们估算出算法在执行之后所需要的时间和空间。算法的复杂度分为算法的时间复杂度和空间复杂度。在介绍时间复杂度之前，我们需要引入时间频度的概念。时间频度是指算法中语句的执行次数，用 $T(n)$ 来表示， $n$ 为问题的规模。

在算法竞赛中，一般为了理解方便，只用 $O(n)$ 表示复杂度。简单来说，用时间频度的表达方法不够简洁，于是引入了时间复杂度的概念。如果有一个辅助函数 $f(n)$ ，在n趋向于无穷大时， $T(n)\div f(n)$ 的极限值为不等于0的常数，则我们近似的将 $f(n)$ 替代 $T(n)$ ，记为 $T(n)=O(f(n))$ ，称为算法的渐进时间复杂度。

时间复杂度只需要计算算法中最耗时的部分，舍去常数部分，通常用简单的函数来表示。例如，某算法时间频度 $T(n)=2n^3+4n^2+n$ ，则它的时间复杂度为 $O(n^3)$ 。按效率从高到低排列，时间复杂度一般有以下几种：

我们举个例子来描述下算法时间复杂度的计算过程。现有如下代码，可以计算出语句1执行了 $n^2$ 次，语句2执行了 $n$ 次，语句3执行了 $log n$ 次，则 $T(n)=n^2+n+log n$ ，取最耗时部分计算，则时间复杂度为 $O(n^2)$ 。

for (int i = 0; i < n; i++) {
    for (int j = 0; j < n; j++) {
        a++; //语句 1
    }
}
for (int i = 0; i < n; i++) {
    b++; //语句 2
}
while (n) {
    n = n / 2; //语句 3
}

算法的空间复杂度是指运行该算法所占用的存储空间大小，记为 $S(n)$ 。和时间复杂度类似，通常也是取它的渐进空间复杂度，用一个直观的函数来表示。通过空间复杂度，我们可以预估出算法运行所需的存储空间，包括指令空间、数据空间、动态申请的内存空间等。

有如下代码，可以计算出 $S(n)=n+n^2$ ，则空间复杂度为 $O(n^2)$ 。

int a[n];
int b[n][n];

在使用函数递归的时候，别忘记递归消耗的栈空间。

在竞赛中，我们一般认为计算机一秒能执行 $5\times10^8$ 次基本计算，如果题目给出的时间限制为1秒，那么你选择的算法执行的计算次数最多应该只能在 $10^8$ 量级解决这个题目。

一般地：

$O(n)$ 的算法能解决的数据范围在 $n\le10^8$

$O(nlogn)$ 的算法能解决的数据范围在 $n\le10^6$

$O(n\surd n)$ 的算法能解决的数据范围在 $n\le10^5$

$O(n^2)$ 的算法能解决的数据范围在 $n\le5000$

$O(n^3)$ 的算法能解决的数据范围在 $n\le300$

$O(2^n)$ 的算法能解决的数据范围在 $n\le25$

$O(n!)$ 的算法能解决的数据范围在 $n\le11$

以上范围仅供参考

logn_sort

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
时空复杂度分析

和时间复杂度类似，通常也是取它的渐进空间复杂度，用一个直观的函数来表示。通过空间复杂度，我们可以预估出算法运行所需的存储空间，包括指令空间、数据空间、动态申请的内存空间等。算法的复杂度是评估算法优劣一个重要指标，可以帮助我们估算出算法在执行之后所需要的时间和空间。算法的复杂度分为算法的时间复杂度和空间复杂度。时间复杂度只需要计算算法中最耗时的部分，舍去常数部分，通常用简单的函数来表示。次基本计算，如果题目给出的时间限制为1秒，那么你选择的算法执行的计算次数最多应该只能在。，称为算法的渐进时间复杂度。
复制链接

扫一扫