資料結構和演算法 時間複雜度學習總結

2021-07-28 07:26:03 字數 2863 閱讀 2879

一、時間複雜度:是指乙個演算法執行所耗費的時間。

時間頻度 :乙個演算法中的語句執行次數。哪個演算法中語句執行次數多,它花費時間就多

n稱為問題的規模:一般情況下,演算法中基本操作重複執行的次數是問題規模n的某個函式

在時間頻度不相同時,時間複雜度有可能相同,如t(n)=n2+3n+4與t(n)=4n2+2n+1它們的頻度不同,但時間複雜度相同,都為o(n2)。

按數量級遞增排列,常見的時間複雜度有: 

常數階o(1),對數階o(log2n),線性階o(n), 

線性對數階o(nlog2n),平方階o(n2),立方階o(n3),..., 

k次方階o(nk),指數階o(2n)

空間複雜度 :

與時間複雜度類似,空間複雜度是指演算法在計算機內執行時所需儲存空間的度量。

以下六種計算演算法時間的多項式是最常用的。其關係為:

o(1) < o(

㏒n) < o(n) < o(n㏒n) < o(n2) < o(n3)

指數時間的關係為:

o(2n) < o(n!) < o(nn)

二、常見演算法時間複雜度:

o(1): 表示演算法的執行時間為常量

o(n): 表示該演算法是線性演算法

o(㏒2n): 二分查詢演算法

o(n2): 對陣列進行排序的各種簡單演算法,例如直接插入排序的演算法。

o(n3): 做兩個n階矩陣的乘法運算

o(2n): 求具有n個元素集合的所有子集的演算法

o(n!): 求具有n個元素的全排列的演算法

優<---------------------------《劣

o(1)時間複雜度按數量級遞增排列依次為:常數階o(1)、對數階o(log2n)、線性階o(n)、線性對數階o(nlog2n)、平方階o(n2)、立方階o(n3)、……k次方階o(nk)、指數階o(2n)。

三、算

法的時間複雜度(計算例項)

o(1)

temp=i;i=j;j=temp;                    

以上三條單個語句的頻度均為1,該程式段的執行時間是乙個與問題規模n無關的常數。演算法的時間複雜度為常數階,記作t(n)=o(1)。如果演算法的執行時 間不隨著問題規模n的增加而增長,即使演算法中有上千條語句,其執行時間也不過是乙個較大的常數。此類演算法的時間複雜度是o(1)。

o(n^2)

2.1. 交換i和j的內容

sum=0;                 (一次)

for(i=1;i<=n;i++)       (n次 )

for(j=1;j<=n;j++) (n^2次 )

sum++;       (n^2次 )

解:t(n)=2n^2+n+1 =o(n^2)

2.2.   

for (i=1;i         

解: 語句1的頻度是n-1

語句2的頻度是(n-1)*(2n+1)=2n^2-n-1

f(n)=2n^2-n-1+(n-1)=2n^2-2

該程式的時間複雜度t(n)=o(n^2).         

o(n)     

2.3.

a=0;

b=1;                      ①

for (i=1;i<=n;i++) ②

解: 語句1的頻度:2,        

語句2的頻度: n,        

語句3的頻度: n-1,        

語句4的頻度:n-1,    

語句5的頻度:n-1,                                  

t(n)=2+n+3(n-1)=4n-1=o(n).

o(log2n )

2.4.

i=1;       ①

while (i<=n)

i=i*2; ②

解: 語句1的頻度是1,  

設語句2的頻度是f(n),   則:2^f(n)<=n;f(n)<=log2n    

取最大值f(n)= log2n,

t(n)=o(log2n )

o(n^3)

2.5.

for(i=0;i

}解:當i=m, j=k的時候,內層迴圈的次數為k當i=m時, j 可以取 0,1,...,m-1 , 所以這裡最內迴圈共進行了0+1+...+m-1=(m-1)m/2次所以,i從0取到n, 則迴圈共進行了: 0+(1-1)*1/2+...+(n-1)n/2=n(n+1)(n-1)/6所以時間複雜度為o(n^3).

我們還應該區分演算法的最壞情況的行為和期望行為。如快速排序的最 壞情況執行時間是 o(n^2),但期望時間是 o(nlogn)。通過每次都仔細 地選擇基準值,我們有可能把平方情況 (即o(n^2)情況)的概率減小到幾乎等於 0。在實際中,精心實現的快速排序一般都能以 (o(nlogn)時間執行。

下面是一些常用的記法:

訪問陣列中的元素是常數時間操作,或說o(1)操作。乙個演算法如 果能在每個步驟去掉一半資料元素,如二分檢索,通常它就取 o(logn)時間。用strcmp比較兩個具有n個字元的串需要o(n)時間 。常規的矩陣乘演算法是o(n^3),因為算出每個元素都需要將n對 元素相乘並加到一起,所有元素的個數是n^2。

參考文章:

資料結構和演算法(時間複雜度和空間複雜度)

測試演算法效率 即運算時間 事後統計方法 主要通過設計好的測試程式和資料,利用計算機計時器對不同演算法編制的程式的執行時間進行比較,從而確定演算法效率的高低 事前分析估算方法 比上個方法更優 在計算機編寫程式前,依據統計方法對演算法進行估算 乙個高階語言在計算機上執行時所消耗的時間取決於下列因素 1...

資料結構,演算法,時間複雜度

什麼是資料結構 data structure 中文維基百科 維基百科中文版 在電腦科學中 是計算機中儲存 組織資料的方式。資料結構意味著介面或封裝 乙個資料結構可被視為兩個函式之間的介面,或者是由資料型別聯合組成的儲存內容的訪問方法封裝。不同種類的資料結構適合不同種類的應用,部分資料結構甚至是為了解...

資料結構(演算法的時間複雜度和空間複雜度)

時間複雜度 時間複雜度和空間複雜度是演算法效率的度量方法。也就是說,乙個好的演算法取決於它的時間複雜度和空間複雜度。函式的漸近增長 給定兩個函式f n 和g n 如果存在乙個整數n,使得對於所有的n n,f n 總是比g n 大。那麼,我們說f n 的增長漸近快於g n 翻譯過來就是 如果存在乙個臨...