演算法效率分兩種,時間效率和空間效率,即時間複雜度和空間複雜度,前者衡量演算法執行速度,後者衡量演算法所需要的額外空間
2.1基本概念
演算法中的時間複雜度是乙個函式,定量描述了演算法執行時間
總結下來就是:演算法種基本操作的執行次數
關注點:操作的數量級/基本操作的執行次數
①執行時間和硬體資源強相關,不同硬體處理速度有差異
②cpu每秒鐘執行操作在億級以上
2.2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);}
//func1 執行的基本操作次數 :
n =10
f(n)
=130
n =100
f(n)
=10210
n =1000
f(n)
=1002010
實際中我們計算時間複雜度時,我們其實並不一定要計算精確的執行次數,而只需要大概執行次數,那麼這裡我們使用大o的漸進表示法。
大o符號(big o notation):是用於描述函式漸進行為的數學符號。
推導大o階方法:
1、最高次項有係數,忽略係數
2、如果執行次數為常數次,就為o(1)
3、如果最高端項存在且不是1,則去除與這個專案相乘的常數。得到的結果就是大o階。
4.不能依靠迴圈的巢狀簡單腿斷時間複雜度,應該具體分析基本操作的執行次數
使用大o的漸進表示法以後,func1的時間複雜度為:o(n²)
n = 10 f(n) = 100
n = 100 f(n) = 10000
n = 1000 f(n) = 1000000
通過上面我們會發現大o的漸進表示法去掉了那些對結果影響不大的項,簡潔明瞭的表示出了執行次數。
另外有些演算法的時間複雜度存在最好、平均和最壞情況:
最壞情況:任意輸入規模的最大執行次數(上界)
平均情況:任意輸入規模的期望執行次數
最好情況:任意輸入規模的最小執行次數(下界)
例如:在乙個長度為n陣列中搜尋乙個資料x
最好情況:1次找到
最壞情況:n次找到
平均情況: n/2次找到
官方概念:是對乙個演算法在執行過程中臨時占用儲存空間大小的亮度
直白來說:空間複雜度不看程式占用多少b的記憶體,直接看變數的個數,並且是演算法中建立的變數個數
具體例項
// 計算bubblesort的空間複雜度?
void
bubblesort
(int
* a,
int n)}if
(exchange ==0)
break;
}}
使用常數個額外空間,所以空間複雜度為o(1)
如果演算法執行所需要的臨時空間不隨著某個變數n的大小而變化,所以空間複雜度為乙個常量!,可表示為o(1)
// 計算階乘遞迴factorial的空間複雜度?
long
long
factorial
(size_t n)
遞迴呼叫了n次,開闢了n個棧幀,每個棧幀使用了常數個空間,空間複雜度為o(n) 資料結構 時間複雜度 空間複雜度
1.演算法效率 演算法效率可以用來衡量乙個演算法的好壞 演算法效率分析分為兩種 第一種是時間效率,第二種是空間效率.時間效率被稱為時間複雜度,空間效率被稱為空間複雜度.時間複雜度主要衡量的是乙個演算法的執行速度,而空間複雜度主要衡量乙個演算法所需要的額外空間,在計算機發展的早期,計算機的儲存容量很小...
資料結構時間複雜度和空間複雜度
1 演算法o n 關注n的階數,當數十分大的時候,常數可以忽略。o n 又稱為大o記法。2 t n o f n 隨著n變化而變化,f n 是某個函式,執行的次數等於時間,一般情況下,t n 增長最慢的演算法最優。4 推到o n 1,用1取代時間中所有加法常數 哪些可以忽略 2,在修改後的執行函式中,...
資料結構 時間複雜度和空間複雜度
通常我們衡量乙個演算法的複雜度時,會有兩種演算法效率分析方式 第一種是時間效率,第二種是空間效率。時間效率被稱為時間複雜度,而空間效率被稱作空間複雜度。時間複雜度主要衡量的是乙個演算法的執行速度,空間複雜度主要衡量一乙個演算法所需要的額外空間,在計算機發展的早期,計算機的儲存容量很小。所以對空間複雜...