時間複雜度與空間複雜度

複雜度分析在我看來是資料結構與演算法學習入門知識，尤為重要。

為什麼複雜度分析重要？

資料結構與演算法的出現本就是為了花更少的時間和空間（儲存）來解決問題。複雜度分析就是為解決如何「花更少的時間和空間（儲存）」的問題。

現在各種編譯工具，**跑完就能顯示用了多少時間，佔了多少記憶體。但是這些資料都是在完成**編寫之後才能得到的，這是事後統計方法。

事後統計法得到的結果會因計算機效能和測試資料規模不同而有較大差異。這並不能體現出**本身的效率、優劣程度，而且很可能寫出的**本身就不太行。。。

而複雜度分析不依賴軟硬體效能、資料規模等就能直接估算演算法的效率、優劣，這就是其重要性。

時間複雜度即演算法的執行時間。

用執行時間去描述演算法的效率時，演算法的執行總步數越多演算法越慢，總步數越少則越快。

假設每一行**執行時間都為x，則演算法的總執行時間等於執行的總**行數。

1

defsum(n):
2     sum =034
for i in
range(n):
5         sum +=i
6return sum

用函式來表示就是 t(n) = (1+2n) t，可以看出t(n)和總步數成正比關係。

用 大o表示法 就是 t(n) = o(f(n))，f(n)為執行總步數。

n可以是1到+∞，當其非常大的時候，一些相對於n來說小的部分就可以忽略了。

拿前面的 1+2n 來說，當n = 100000時，1+2n = 2000001，n持續變大，常數1和係數2對結果影響就很微小了，直接忽略，最終變成了 t(n) = o(n)。

下面例子作為練習：

1

defsum(n):
2     sum =034
for i in
range(n):
5for j in
range(n):
6             sum += i +j
7return sum

第二行需要執行1次，第四行執行n次，第五行、第六行執行n2次，總步數 f(n) = 1 +n +2n2

當n非常大的時候，對運算結果有影響的是n2，常數1、n、係數2都可以忽略，則 f(n) = n2，**執行時間 t(n) = o(n2)。

一段**中，資料的具體情況也會影響執行時間 

def

test(list, num):
index = -1
for i in
range(len(list)):
if list[i] ==num:
index =i
break
return index

假設輸入的 list = [1,2,3,4,5]

當 num = 1 時，自第一次執行時就在list中找到了，後面不再遍歷，此時時間複雜度為 o(1)。

當 num = 5 時，全部遍歷完才找到，此時時間複雜度為 o(n)。

當 num = 6 時，全部遍歷完也沒找到，此時時間複雜度也為 o(n)。

這就是資料情況不同，時間複雜度不同。

這樣就出現 最好情況、最壞情況時間複雜度。

最好情況時間複雜度就是最理想情況下**複雜度，對應上面例子最好時間複雜度就是o(1)；

最壞情況時間複雜度就是最不理想情況下**複雜度，對應上面例子最好時間複雜度就是o(n)；

平均時間複雜度根據加權平均值求得。拿上面例子來說就是 o((3n+1)/4) = o(n)

像最好情況時間複雜度，平均時間複雜度並沒有太***價值，一般都是拿最壞時間複雜度當時間複雜度，因為不會有比最壞的情況再壞的了，可以說最壞時間複雜度就是乙個底線。

空間複雜度反應的是**執行過程中臨時變數占用的記憶體空間。

**執行所佔空間分為三種：1、**本身所佔空間；2、輸入資料所佔空間；3、臨時變數所佔空間

1和2與**效能無關，所以空間複雜度只考慮執行過程臨時占用空間

空間複雜度記作s(n)，表示形式同樣為o(f(n))

def

sum(list):
sum =0
for i in
range(len(list)):
sum +=list[i]
return sum

其中，輸入的list空間不計，sum儲存和，i儲存元素索引，都是常數，其所佔空間與n沒有關係，所以該**空間複雜度s(n) = o(1)

o(n):

def

createlist(n):
list =
for i in
range(n):
return list

list為空列表，所占用空間根據for迴圈次數增加，最大為n，所以list的空間複雜度為o(n)，i為常數階，與n無關，則整個**空間複雜度為o(n)

o(n2):

def

createlist(n):
list1 =
for i in
range(n):
list2 =
for j in
range(n):
return list1

時間複雜度與空間複雜度

空間複雜度 space complexity 是對乙個演算法在執行過程中臨時占用儲存空間大小的量度，記做s n o f n 比如直接 插入排序 的時間複雜度 是o n 2 空間複雜度是o 1 而一般的 遞迴演算法就要有o n 的空間複雜度了，因為每次遞迴都要儲存返回資訊。乙個演算法的優劣主要從演算法...

時間複雜度與空間複雜度

本文是對時間複雜度以及空間複雜度的乙個理解 時間複雜度 由於環境的不同，同樣的 執行所需要的時間是不同的，所以是不能拿來比較的 而函式中執行的次數確實一樣的 所以時間複雜度就是 程式每個迴圈中的語句總共會執行的次數 時間複雜度的表示方法 大o漸進表示法 o f n 這裡的f n 是什麼呢？void ...

時間複雜度與空間複雜度

本文部分取自搜狗百科 在求演算法效率時，通常有事前分析和事後分析兩種方法，事後分析因為必須實際檢驗過後才能得出答案，且可能由於硬體方面等外部原因影響結果而不被推廣，事前分析的主要就是在考量乙個演算法的基本執行次數，這就是時間複雜度。時間複雜度 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...