時間複雜度
其實說白了講吧，演算法的時間複雜度就是演算法的執行次數。當討論乙個程式的執行時間時，注重的不應該是該時間的具體值，而是該時間的增長率，在乙個演算法中將該演算法的原操作重複執行的次數與問題規模n之間的關係記為函式f(n
)f(n)
f(n)
。隨著問題規模的增大，它的增長率與f(n
)f(n)
f(n)
的增長率相近，它們在數量級上保持一致。
因此當問題規模n趨於無限大時，把$\f(n)的數量級稱為演算法的時間複雜度。記作t(n)。
t (n
)=o(
f(n）
）t(n)=o(f(n））
t(n)=o
(f(n
））方法
大o的漸進表示法
// 請計算一下func1基本操作執行了多少次？
void func1(int n)
} for (int k = 0; k < 2 * n ; ++ k)
int m = 10;
while (m--)
printf("%d\n", count);
}
f (n
)=n2
+2∗n
+10
f(n)=n^2+2*n+10
f(n)=n
2+2∗
n+10
推導大o階表示法
1.用常數1取代程式執行時間中的所有加法常數。
上式=f(n
)=n2
+2∗n
+1
f(n)=n^2+2*n+1
f(n)=n
2+2∗
n+12.只保留最高端項。
f (n
)=n2
f(n)=n^2
f(n)=n
23.如果如果最高項存在且不是1，除去最高端項的係數，得到的結果就是o階。
ps:當n特別大的時候，只保留最大階項不影響結果。
則func1的時間複雜度為o(n
2)
o(n^2)
o(n2
)另外，判斷乙個演算法好壞時看的是時間複雜度的最壞情況。
空間複雜度
乙個演算法的空間複雜度就是該演算法所耗費的儲存空間，它也是乙個關於問題規模n的函式，記作s(n
）=o(
f(n)
)s(n）=o(f(n))
s(n）=o
(f(n
))乙個演算法在計算機上佔多少儲存空間主要由三個方面決定，演算法本身占用空間，資料的輸入輸出占用空間，演算法的執行過程中臨時所占用的空間。
時間複雜度 空間複雜度
時間複雜度 在電腦科學中，演算法的時間複雜度是乙個函式，它定性描述了該演算法的執行時間。這是乙個關於代表演算法輸入值的字串 的長度的函式。時間複雜度常用大o符號 表述，不包括這個函式的低階項和首項係數。計算時間複雜度的方法 1 只保留高階項，低階項直接丟棄 2 係數不要 3 執行次數是常數是為o 1...
時間複雜度 空間複雜度
演算法複雜度分為時間複雜度和空間複雜度。其作用 時間複雜度是指執行演算法所需要的計算工作量 而空間複雜度是指執行這個演算法所需要的記憶體空間。一 時間複雜度 時間頻度 乙個演算法執行所耗費的時間，從理論上是不能算出來的，必須上機執行測試才能知道。但我們不可能也沒有必要對每個演算法都上機測試，只需知道...
時間複雜度 空間複雜度
一 時間複雜度 實際是指程式執行次數，而不是程式執行時間 1.我們一般討論的是最壞時間複雜度，這樣做的原因是 最壞情況下的時間複雜度是演算法在任何輸入例項上執行時間的上限，以最壞代表最全。2.時間複雜度的書寫規則 忽略常數項，用o 1 表示 選取最壞時間複雜度即選取增長最快的項 遞迴的時間複雜度 遞...