数据结构———算法的时间复杂度和空间复杂度

本文介绍了算法的时间复杂度和空间复杂度,包括时间复杂度的定义、大O渐进表示法、常见时间复杂度的分析,并通过实例探讨了如何计算不同函数的时间复杂度,同时简述了空间复杂度的定义及其计算。
摘要由CSDN通过智能技术生成

目录

引言

1.算法的效率

2.算法时间复杂度

时间复杂的的定义

函数的渐进增长

大O渐进表示法

常见的时间复杂度

实践分析

 3.空间复杂度

定义

 空间复杂度的计算


引言

在上一篇文章中我们对数据结构与算法的基本概念有了一定的了解,在算法的设计要求中我们提到了高效率,那么如何判定一个程序是否是高效的呢?代码简洁效率就高吗?在这一篇文章中我们进行解答,了解算法的时间复杂度和空间复杂度。

 

1.算法的效率

算法效率分析分为两种:第一种是时间效率,第二种是空间效率。时间效率被称为时间复杂度,而空间效率 被称作空间复杂度 时间复杂度主要衡量的是一个算法的运行速度,而空间复杂度主要衡量一个算法所需要 的额外空间,在计算机发展的早期,计算机的存储容量很小。所以对空间复杂度很是在乎。但是经过计算机 行业的迅速发展,计算机的存储容量已经达到了很高的程度。所以我们如今已经不需要再特别关注一个算法的空间复杂度。

2.算法时间复杂度

时间复杂的的定义

算法中的基本操作的执行次数,为算法的时间复杂的。
思考---为什么时间复杂的不是时间?
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

函数的渐进增长

给定两个函数f(n)和g(n),如果存在一个整数N,使得对于所有的n > N,f(n)总是比g(n)大,那么,我们说f(n)的增长渐进快于g(n)。

判断一个算法效率时,函数中的常数项和其他次要项常常可以忽略,而更应该关注主项(最高阶项)的阶数。

判断一个算法好不好,我们只通过少量的数据是不能做出准确的判断的。如果我们可以对比某些算法的关键执行次数函数的渐进增长性,基本就可以

分析出:某个算法,随着n的增大,它会越来越优于另一算法,或者越来越差于另一算法。

  • 8
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

善始善终!

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值