時間複雜度和空間複雜度

乙個演算法與執行**行數的相關性,且隨著某個變數的增長而增長。

例如：

n =

int(
input()
)a = n

n = int(input())

a = 1
while a < n :
a += 1

n =

int(
input()
)a =
1while a < n :
a = a *
2

n =

int(
input()
)a =
3while a < n :
a = a **
2

所以時間複雜度o就是**與變數n的相關函式,執行行數與時間複雜度函式o線性相關。

空間複雜度主要指分配給變數的空間

一般分配空間有兩種模式，例如想要知道某個數是不是100以內的質數你可以：

1. 輸入你想要查詢的值，通過函式運算判斷

2. 事先將100以內的所有質數存到乙個列表中，查詢時直接通過列表查詢

這裡模式2的空間複雜度就是o(n)。

演算法複雜度 時間複雜度和空間複雜度

1 時間複雜度 1 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，只需知道哪個演算法花費的時間多，哪個演算法花費的時間少就可以了。並且乙個演算法花費的時間與演算法中語句的執行次數成正比例，哪個演算法中語句執行次數...

演算法複雜度 時間複雜度和空間複雜度

演算法複雜度 時間複雜度和空間複雜度 關鍵字 演算法複雜度 時間複雜度 空間複雜度 1 時間複雜度 1 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，只需知道哪個演算法花費的時 間多，哪個演算法花費的時間少就可以...

演算法複雜度 時間複雜度和空間複雜度

演算法的時間複雜度是指執行演算法所需要的計算工作量。n稱為問題的規模，當n不斷變化時，時間頻度t n 也會不斷變化。但有時我們想知道它變化時呈現什麼規律。為此，我們引入時間複雜度概念。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，用t n 表示，若有某個輔助函式f n 存在乙個正...