序篇_算法复杂度计算

最新推荐文章于 2024-09-18 20:33:32 发布

加油！樊

最新推荐文章于 2024-09-18 20:33:32 发布

阅读量168

点赞数

分类专栏：学习笔记文章标签：算法

本文链接：https://blog.csdn.net/win_star_/article/details/105587695

版权

6 篇文章 0 订阅

订阅专栏

复杂度是用来衡量算法优劣的度量单位，而其定义又可从时空两个维度考虑：

因为如果按实际运行程序的执行时间的话，可能会由于机器性能差异导致时间误差，所以大佬们提出了通用方法【大O符号表示法】：

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

n表示数据规模

f(n) 存在的某个函数,使得T(n)/f(n)=非零常数, 那么f(n)称为T(n)的同数量级函数

T(n) 一段程序运行,各种操作代码所执行的总次数

O 表示渐进于无穷的行为

常见的时间复杂度量级
在这里插入图片描述

时间复杂度分析的基本策略：从内向外，从最深处开始分析。

有时候，算法中基本操作重复执行的次数还随问题的输入数据集不同而不同，如在冒泡排序中，输入数据有序而无序，其结果是不一样的。此时，我们计算平均值。

常见的算法的时间复杂度之间的关系为：

O(1) < O(log n) < O(n) < O(nlog n) < O(n^2) < O(2^n) < O(n!) < O(n^n)

例如：

  sum=0；                （1）
     for(i=1;i<=n;i++)   （2）
        for(j=1;j<=n;j++)（3）
            sum++；      （4）

计算时间复杂度：

语句（1）执行1次
语句（2）执行n次
语句（3）执行n^2次
语句（4）执行n^2次

再例如：

for (int i = 2; i < n; i++) {
    i *= 2;
    printf("%i\n", i);
}

计算时间复杂度

假设循环次数为t,则循环条件满足：2^t < n
则执行次数：
$T(n)=\lim_{n\rightarrow+\infty}{log_{2}n}$
时间复杂度为O(log_2(n))，即O(log n)。

再加上递归呢：

long long Fib(long long N)
{
  if (N < 3)    //当N<3时，斐波那契数为1
  	return 1;
  return Fib(N - 1) + Fib(N - 2);//函数递归
}

算法的空间复杂度通过计算算法所需的存储空间实现，算法空间复杂度的计算公式记作：**S(n) = O(f(n))*

其中，n表示问题规模，f(n)为语句关于n所占存储空间的函数。

一个算法在计算机存储器上所占用的存储空间，包括三个方面

若输入数据所占空间只取决于问题本身，和算法无关，则只用计算辅助单元空间即可。

若算法执行时，所需的辅助空间相对于输入数据量而言是常数，则称此算法为原地工作，空间复杂度O(1);

小结：

2、
Github上图片怎么显示不出来啊，😥😥😥，有大佬知道的，还望告诉一声。试了：1、改host；2、相对路径/绝对路径，均以无效告终。

关注

专栏目录