数据结构基础之算法的渐近时间复杂度和空间复杂度
作者:本站整理 时间:2015-06-03
在本文中,我们主要学习渐近时间复杂度和空间复杂度的概念,从这两方面入手提高算法效率。
一、算法效率的度量
算法执行的时间是算法优劣和问题规模的函数。评价一个算法的优劣,可以在相同的规模下,考察算法执行时间的长短来进行判断。而一个程序的执行时间通常有两种方法:
1、事后统计的方法。
缺点:不利于较大范围内的算法比较。(异地,异时,异境)
2、事前分析估算的方法。
程序在计算机上运行所需时间的影响因素 |
|
算法本身选用的策略 |
|
问题的规模 |
规模越大,消耗时间越多 |
书写程序的语言 |
语言越高级,消耗时间越多 |
编译产生的机器代码质量 |
|
机器执行指令的速度 |
|
综上所述,为便于比较算法本身的优劣,应排除其它影响算法效率的因素。
从算法中选取一种对于所研究的问题来说是基本操作的原操作,以该基本操作重复执行的次数作为算法的时间量度。 (原操作在所有该问题的算法中都相同)
T(n)=O(f(n))
上示表示随问题规模n的增大,算法执行时间的增长率和f(n)的增长率相同,称作算法的渐近时间复杂度,简称时间复杂度。
求4*4矩阵元素和,T(4)=O(f(4)) |
sum(int num[4][4]) |
最好情况: |
ispass(int num[4][4]) |
原操作执行次数和包含它的语句的频度相同。语句的频度指的是该语句重复执行的次数。
语句 |
频度 |
时间复杂度 |
{++x;s=0;} |
1 |
O(1) |
for(i=1;i<=n;++i) |
n |
O(n) |
for(j=1;j<=n;++j) |
n*n |
O(n*n) |
|
|
O(log n) |
|
|
|
基本操作的执行次数不确定时的时间复杂度 |
|
平均时间复杂度 |
依基本操作执行次数概率计算平均 |
最坏情况下时间复杂度 |
在最坏情况下基本操作执行次数 |
二、算法的存储空间需求
类似于算法的时间复杂度,空间复杂度可以作为算法所需存储空间的量度。
记作:
S(n)=O(f(n))
若额外空间相对于输入数据量来说是常数,则称此算法为原地工作。
如果所占空间量依赖于特定的输入,则除特别指明外,均按最坏情况来分析。
三、总结
渐近时间复杂度
空间复杂度
相关文章
相关推荐
-
宝川电子相册 V1.4.27.91免费版(电子相册制作工具)
-
DVDFab Passkey Lite版(DVD解密软件) v9.1.0.0
-
Advanced SystemCare(系统优化)中文版 v10.0.3
-
Grids官方版
-
1905影音 4.0.3(网络视频播放器)
-
Hippo Animator 4.3.5599(动画制作)
-
糖果游戏浏览器 2.57.0087(游戏浏览器)
-
WebCam Monitor 6.1(网络摄影机)
-
暴风影音5 V5.57.0202.1111官方版(万能媒体播放器)
-
糖果游戏浏览器(微信多开浏览器) v1.1
-
易数一键还原 2.0.1.338(备份还原工具)
-
里诺人事工资软件 2.60(工资管理)
-
富途牛牛官方版
-
多多网游加速器 4.1(游戏加速器)
-
撩妹qq表情包官方版
-
七喜视频社区简体中文版 v4.6.3