时间复杂度与空间复杂度

浪漫的诗人

已于 2023-05-07 21:18:08 修改

阅读量42

点赞数

分类专栏： C语言入门（详细教程）数据结构文章标签：动态规划算法

于 2023-05-04 15:55:02 首次发布

本文链接：https://blog.csdn.net/you_well/article/details/130487137

版权

C语言入门（详细教程）同时被 2 个专栏收录

8 篇文章 0 订阅

订阅专栏

数据结构

6 篇文章 0 订阅

订阅专栏

文章详细解释了算法的时间复杂度，包括如何通过执行次数和问题规模的关系来描述算法效率，提到了不同时间复杂度级别如O(1),O(n)等，并通过实例展示了如何计算和分析。同时，文章也提及了空间复杂度，它是算法运行过程中辅助空间需求的度量。

摘要由CSDN通过智能技术生成

算法的定义：
对特定问题求解步骤的描述。

时间复杂度
指算法中所有语句的频度（执行次数）之和。
记为：T(n)=O(f(n))
其中，n是问题的规模；f(n)是问题规模n的某个函数。
表示随着问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同。
常见的时间复杂度
O(1)<O( $log_{2}n$ )<O(N)<O( $nlog_{2}n$ )<O( $n^{2}$ )<O( $n^{3}$ )<O( $2^{n}$ )<O(n!)

高阶数越小说明算法的性能越好。

举个例子：

int su=0;        //执行一次
sum=n*(n+1)/2    //执行一次
printf("%d",sum); //执行一次

算法的执行次数等于3

时间复杂度为T(n)=O(1)

表示不会随n的增长而增长。

举个例子：

int x=2;
while(x<n/2)
    x=2*x;

执行频率最高的语句为“x=2*x”。

设该语句共执行了t次，则 $2^{t+1}$ <n/2,故t= $log_{2}(n/2)$ -1= $log_{2}n-2$ .

时间复杂度T(n)=O( $log_{2}n$ )

举个例子：

int sum=0,i=1;
while(i<n)
{
    sum=sum+i;
    i++;
}
printf("%d",sum);

执行频率最高的语句是while循环体中的代码

一共执行n次

时间复杂度T(n)=O(n)

举个例子:

int i,x=2;
for(i=0;i<n;i++)
{
    x=0;
    while(x<n/2)
        x=2*x;
}

执行频率最高的语句是 x=2*x。

该语句内层循环执行了 $log_{2} n$ 次，外层执行了n次，因此总计执行次数为 $nlog_{2}n$

举个例子：

int i,j;
for(i=0 ; i<n;i++) 
{
    for(j=0;j<m;jt+)
    sum=sum+1;
}

对于外层循环，相当于内部时间复杂度为O(m)的语句再循环n次。所以时间复杂度T(n)=O(mxn)
如果m=n，则时间复杂度T(n)=O( $n^{2}$ )时间复杂度的乘法规则

举个例子：

int sum1=0,sum2=0,i,j;
for(i=0 ; i<n ; i++)
    suml=sum1+i;
for(j=0;j<m;j++)
    sum2=sum2+j;
printf ("%d,%d", sum1 , sum2 );

两个循环没有嵌套，串行执行。所以时间复杂度T(n)=O(n)+O(m)
取最大的，即时间复杂度T(n)=max(O(n)+O(m))时间复杂度的加法规则
思考题：

如果一个算法的执行次数为3 $n^{3}$ +5n，那么该算法的时间复杂度为多少？

时间复杂度是要忽略高阶项系数和低阶项，上面题目的答案是O( $n^{3}$ )

空间复杂度

空间复杂度S(n)指算法运行过程中所使用的辅助空间的大小。记为:
s(n)=O(f(n))
>除了需要存储算法本身的指令、常数、变量和输入数据外，还需要存诸对数据操作的存储单元。
>若输入数据所占空间只取决于问题本身，和算法无关，这样只需分析该算法在实现时所需的辅助单元即可。
>算法原地工作是指算法所需的辅助空间是常量，即O(1)。