目录
一、算法效率
1.1 如何衡量一个算法的好坏如何衡量一个算法的好坏呢?比如对于以下斐波那契数列:long long Fib(int N) { if(N < 3) return 1; return Fib(N-1) + Fib(N-2); }
斐波那契数列的递归实现方式非常简洁,但简洁一定好吗?那该如何衡量其好与坏呢?
1.2 算法的复杂度
- 算法在编写成可执行程序后,运行时需要耗费时间资源和空间(内存)资源 。因此衡量一个算法的好坏,一般是从时间和空间两个维度来衡量的,即时间复杂度和空间复杂度。
- 时间复杂度主要衡量一个算法的运行快慢,而空间复杂度主要衡量一个算法运行所需要的额外空间。
二、时间复杂度
2.1
时间复杂度的概念
时间复杂度的定义: 在计算机科学中,算法的时间复杂度是一个函数,它定量描述了该算法的运行时间。一 个算法执行所耗费的时间,从理论上说,是不能算出来的,只有你把你的程序放在机器上跑起来,才能知道。但是我们需要每个算法都上机测试吗?是可以都上机测试,但是这很麻烦,所以才有了时间复杂度这个分析方式。一个算法所花费的时间与其中语句的执行次数成正比例,算法中的基本操作的执行次数,为算法的时间复杂度。即:找到某条基本语句与问题规模N之间的数学表达式,就是算出了该算法的时间复杂度。
2.2
大
O
的渐进表示法
大O符号(Big O notation):是用于描述函数渐进行为的数学符号。推导大O阶方法:1、用常数1取代运行时间中的所有加法常数。2、在修改后的运行次数函数中,只保留最高阶项。3、如果最高阶项存在且不是1,则去除与这个项目相乘的常数。得到的结果就是大O阶。
另外有些算法的时间复杂度存在最好、平均和最坏情况:
- 最坏情况:任意输入规模的最大运行次数(上界)
- 平均情况:任意输入规模的期望运行次数
- 最好情况:任意输入规模的最小运行次数(下界)
例如:在一个长度为N数组中搜索一个数据x
最好情况:1次找到
最坏情况:N次找到
平均情况:N/2次找到
在实际中一般情况关注的是算法的最坏运行情况,所以数组中搜索数据时间复杂度为O(N)
3、空间复杂度
- 空间复杂度也是一个数学表达式,是对一个算法在运行过程中临时占用存储空间大小的量度 。
- 算法运行过程中临时占用存储空间大小,计算的不是占多少字节,而是计算变量的个数。
- 最多的时候,整体出现了多少次变量。
- 时间是累积的,空间是不累积的。空间走了n次,重复利用的是一个空间,变量出了变量域就销毁了
四、总结
- 算法中的基本操作的执行次数,为算法的时间复杂度
- 时间复杂度是一个估算,看表达式中影响最大的一项。
- 只保留最高阶项,如果最高阶系数存在且不是1,则去除这个常数。得到的结果就是大O阶。随着变量无限大,常数的影响不大。
- 可能会有多个未知数,如果给了条件,则 具体分析。
- 用常数1替代所有常数。O(1)常数次
- 有些算法分情况需要分最好最坏和平均情况。(O(1),O(N),O(N/2))。一般关注算法的最坏 情况,所以为O(N)。
- 因为在文件中对数不好写,而在时间复杂度中log2N常出现,所以把他简写成logN,也有资料写成lgN