数据结构———算法的时间复杂度和空间复杂度

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。