【算法】时间复杂度效率评估

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

算法的效率评估分为：时间效率，即时间复杂度(time complexity)；空间效率，即空间复杂度(space complexity)。现在绝大多数情况下，空间复杂度受限的可能性较低，且优化代价高，效果差，所以以考虑时间复杂度为主。
时间复杂度并非指绝对时间，而是评估随着输入规模的增长，消耗时间的增长量级。

---

一、定义

n：输入规模。简单举例，输入为矩阵，n可以根据具体场景定义为行数，也可以定义为列数，也可以定义为元素个数，根据需求进行定义。
C(n)：基本操作次数
t(n)：一个算法的运行时间(常用C(n)表示)
g(n)：一个用来和操作次数做比较的函数
O：算法复杂度的上边界，用来评估最恶劣情况，用于算法选取，常写作O(g(n)) = n2或者O(n) = n2
Ω：算法复杂度的下边界，用来评估最优情况，用于算法初选
θ：算法复杂度的上下边界带，用于评估算法时间稳定性

二、复杂度等级

复杂度梯度：1 <log < n < n*log n < n² < n³ < 2ⁿ < n!
备注：
1、loga n = loga b * logb n，因而上述log n不含下标，即复杂度为loga n和logb n的算法均视为log n复杂度，但实际上两者差一个常量系数。
2、当n->∞，n + b = n + a，a为常量。即复杂度为n + b和复杂度为n + a的算法均视为n复杂度，但实际上两者差一个常量偏差。
3、复杂度比较方法， lim n->∞ f1(n) / f2(n) ，例如复杂度n!与2ⁿ比较如下，所以2ⁿ < n!

4、基于以上，可以推测评估算法复杂度时，在不限制输入规模的情况下，只考虑复杂度最高的内容进行评估

三、分析方法

1、决定用哪个（哪些）参数表示输入规模
2、找出算法的基本操作（常见于算法的最内层循环中）
3、检查基本操作的执行次数是否只依赖于输入规模。如果还依赖于其他特性，则最差效率、平均效率以及最优效率需要分别研究
4、建立一个算法基本操作执行次数的求和表达式
5、利用求和运算的标准公式和法则来建立一个操作次数的闭合公式，或者至少确定它（闭合公式）的增长次数

四、总结

1、在规模无限制的情况下，算法的时间复杂度基本只考虑对输入元素的计算次数的最大复杂度。
2、对中等规模输入，算法的时间复杂度考虑最大复杂度和高复杂度核心耗时部分。
3、对于有限小规模输入，只要算法实际耗时可以接受即可。
4、注意工程整体的复杂度，对于高频调用的函数，需要尽可能降低复杂度，并控制时间。
5、时间复杂度为1或者log n的属于极为优秀的算法。
6、复杂度的详细计算举例参考：链接