复杂度分析
算法
是指解题方案的准确而完整的描述,是一系列解决问题的清晰指令,算法代表着用系统的方法描述解决问题的策略机制。
额,就是为了实现特定的计算目的的一系列规定的计算步骤。
特征
有穷性(Finiteness)
算法必须能在执行有限步后终止。
确定性 (Definiteness)
算法的每一步骤必须有确切的定义,不能有歧义性。
输入 (Input)
算法有零个或多个的输入;即在算法开始之前,对算法最初给出的量。
输出 (Output)
算法有一个或多个的输出;即与输入有某个特定关系的量,简单地说就是算法的最终结果。没有输出的算法是毫无意义的。
能行性 (Effectiveness)
算法中的运算和操作必须能够精确地进行,每个计算步骤都可以在有限时间内完成(也称之为有效性)。
表示方法
- 自然语言
- 流程图
- 伪代码
- 计算机程序设计语言
算法分析
解一个问题,往往有若干不同的算法,我们如何对比不同算法,我们如何判断一个算法的好坏?
在保证算法正确性的前提下,我们可以从以下3个方面对算法进行评价:
- 算法的时间复杂度;
- 算法的空间复杂度;
- 算法是否便于阅读、修改和测试。
这里主要讲前两个
时间复杂度
时间复杂度不是算法的运行时间,当然,直接计算时间也可行,但是有个致命缺点,运行时间和设配、编译器等有关,同一算法不同设备时间也不一定相同。这里,是有关操作的次数,用T(n)
表示。
大 O 表示法
我们通常用大 O 表示法来表示时间复杂度。
T(n) = O(f(n))
f(n)
代表的是执行的次数,他计算的是n接近无限大时的情况,允许用 “
≈
\approx
≈” 替代 “
=
=
=”。
下面具体分析
O( n n n)
#include <stdio.h>
int main()
{
int n = 0, t = 0;
scanf("%d", n);
for (int i = 0; i < n; i++)
{
t++;
}
return 0;
}
这个for()
执行次数是 3 * n + 2
用用大 O 表示法来表示 O(
3
n
+
2
3n+2
3n+2) = O(
n
n
n)
O( n 2 n^2 n2)
#include <stdio.h>
int main()
{
int n = 0, t = 0;
scanf("%d", n);
for (int i = 0; i < n; i++)
{
for (int j = 0; j < n; j++)
{
t++;
}
}
return 0;
}
如果是两层的循环
用用大 O 表示法来表示 O(
n
2
n^2
n2)
#include <stdio.h>
int main()
{
int n = 0, t = 0;
scanf("%d", n);
for (int i = 0; i < n; i++)
{
t++;
}
for (int i = 0; i < n; i++)
{
for (int j = 0; j < n; j++)
{
t++;
}
}
return 0;
}
如果是两层的循环
用用大 O 表示法来表示 O(
n
2
+
n
n^2+n
n2+n) = O(
n
2
n^2
n2)
除了 O(n) 和 O( n 2 n^2 n2),我们还有其它量级
- O( 1 1 1) 常数级
- O( l o g n logn logn) 对数级
- O( n n n) 线性级
- O( n l o g n nlogn nlogn) 线性对数级
- O( n c n^c nc) 多项式级
- O( c n c^n cn) 指数级
- O( n ! n! n!) 阶乘级
接下来我们看一下常用的量级
O( 1 1 1)
#include <stdio.h>
int main()
{
int n = 0;
int m = 1;
n = n + m;
m = n - m;
n = n + m;
return 0;
}
O( l o g n logn logn)
#include <stdio.h>
int main()
{
int n = 0, t = 0;
scanf("%d", n);
for (int i = 0; i < n; i *= 2)
{
t++;
}
return 0;
}
O( n l o g n nlogn nlogn)
#include <stdio.h>
int main()
{
int n = 0, t = 0;
scanf("%d", n);
for (int j = 0; j < n; j++)
{
for (int i = 0; i < n; i *= 2)
{
t++;
}
}
return 0;
}
O( n m nm nm)
#include <stdio.h>
int main()
{
int n = 0, t = 0;
scanf("%d", n);
for (int i = 0; i < n; i++)
{
for (int j = 0; j < m; j++)
{
t++;
}
}
return 0;
}
其他复杂度指标
O( ) --> 最差情况
Ω( ) --> 最好情况
θ( ) --> 区间
因为,算的是最差情况,我们大 O 表示法用得更多。
空间复杂度
同样,空间复杂度不是这个算法占多少内存,而是算法在执行过程中所占存储空间的大小,用S(n)表示,度量的方式与时间复杂度类似。
常用的空间复杂度
- O( 1 1 1) 常数级
- O( n n n) 线性级 数组
- O( n c n^c nc) 多项式级 多维数组