算法性能评价

写在前面的话

---

• 文档没有任何商业因素，本着共享的精神进行分享，如有素材侵权，请给我留言;
• 文档都是自己平时看书或工作中的笔记，观点错误的地方欢迎留言；

算法性能评价

---

评价算法的性能主要从两个方面进行评价：时间复杂度和空间规模，记录的方式通常用大 O 标记法；

• 时间复杂度：指算法在最糟糕情况下的操作数量（一条语句作为一个操作单位），间接反应算法的运行时间；
• 空间规模：算法执行过程中所需要的最大空间需求；算法执行期间所需要的存储空间一般包含：
  • 输入数据所占的空间；如果输入数据规模与问题相关，则不计入空间规模计算；
  • 程序本身所占的空间；代码空间对不同算法来说一般相差不大，和算法无关；
  • 辅助变量所占的空间；

举个例子来求解时间复杂度和空间规模：

例子1：求解 n 阶矩阵相乘的结果

// 计算 n 阶级矩阵的乘积：算法语句
for(int i = 0; i < n; i++) {    // 执行 n+1 次
    for(int j = 0; j < n ; j++) {    // 执行 n*(n+1) 次
        c[i][j] = 0;    // 执行 n^2 次
        for(int k = 0; k < n; k++)    // 执行 n^2(n+1)次
            c[i][j] = a[i][k]*b[k][j];    // 执行 n^3 次
    }    
}

• 计算时间复杂度：
  • 计算总的执行次数：$T(n)=n+1+n\ast (n+1)+n^2+n^2\ast (n+1)+n^3=2\ast n^3+3n^2+2n+1$；
  • 我们可以用 $2\ast n^3$ 近似表示总的执行次数，记作：$O(n^3)$；
• 计算空间复杂度：上述存储空间包括，结果矩阵空间和3个循环变量，即为 $S(n)=n^2+3$，可以认为为：$O(n^2)$；
  
  

例子2：求 n 项数据之和

scanf(" %d", &n);
for(s = 0, i = 1; i <= n; i++)    // 执行 n+2次 
    s = s+i;    // 执行 n+1 次 
printf(" %d", s);

• 时间复杂度：可以看出操作数与规模 n 成线性关系，极为：$O(n)$；
• 空间复杂度：空间消耗只有两个变量，与空间规模无关，可以记作：$O(1)$；

几种常见时间复杂度对比

---

1. $O(logn)$，也叫对数时间，这样的算法包括二分查找。
2. $O(n)$，也叫线性时间，这样的算法包括简单查找。
3. $O(n\ast logn)$，快速排序的运行时间——一种速度较快的排序算法。
4. $O(n^2)$，选择排序的运行时间——一种速度较慢的排序算法。
5. $O(n!)$，旅行商问题的运行时间——一种非常慢的算法