算法效率的总结

目录

---

一.时间复杂度

1.定义

2.推导大O阶的方法

3.常数阶

4.线性阶

5.对数阶

6.平方阶

7.举例

二.空间复杂度

1.定义

2.举例

---

一.时间复杂度

1.定义

在进行算法分析时语句的总执行次数T（n）是关于问题规模n的函数，进而分析T(n)随n的变化情况并确定T（n）的数量级。算法时间复杂度，也就是算法的时间量度，记作：T（n）=O(t(n))。它表示随问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐进时间复杂度，简称为时间复杂度。其中f（n）是问题规模n的某个函数。

用大写O（）来体现算法时间复杂度，成为大O记法。随n（问题规模）的增大，T(n)的增长最慢的成为最优算法。

2.推导大O阶的方法

（1）用常数1取代运行时间中的所有加法常数。

（2）在修改的运行次数函数中，只保留最高阶项。

（3）如果最高阶项存在且不是1，则去除与这个项目相乘的常数。得到的结果就是大O阶。

3.常数阶

举例：

//顺序结构

#include<stdio.h>

int main(){                                                  

char c=97；

printf("c=%d\n",c);