算法之时间复杂度和空间复杂度

时间复杂度:

定义:在进行算法分析时,语句的总执行次数T(n)是关于问题的规模n的函数,进而分析T(n)随着n的变化情况并确定T(n)的数量级。算法的时间复杂度,也就是算法的时间时间量度,记做:T(n)=O(f(n))。它表示随着问题的规模n的增大,算法执行时间的增长率和f(n)的增长率相同,称作算法的渐进时间复杂度,简称时间复杂度。其中f(n)是问题规模n的某个函数。

 

这样用大写 O()来体现算法时间复杂度的记法,我们称之为大 0 记法 。一般情况下,随着 n 的增大, T(n)增长最慢的算法为最优算法。

 

常见的时间复杂度所耗时阔的大小排列:

O(1)<O(logn)<O(n)<O(nlogn)<O(n^2 ) <O(n^3 ) <O(2^n)<O(n!)<O(n^n)

  • 最好情况时间复杂度:
  • 最坏情况时间复杂度:
  • 平均时间复杂度:
  • 均摊时间复杂度 

空间复杂度:

算法的空间复杂度通过计算算法所需的存储空间实现,算法空间复杂度的计算公 式记作: S(n)= O(f(n)),其中, O 为问题的规模, f(n)为语句关于 n 所 占存储空间的 函数。

 

一般情况下, 一个程序在机器上执行时,除了需要存储程序本身的指令、常数、 变量和输入数据外,还需要存储对数据操作的存储单元,若输入数据所占空间只取决 于问题本身,和算法无关,这样只需要分析该算法在实现时所需的辅助单元即可。若 算法执行时所帘的辅助空间相对于输入数据量而言是个常数,则称此算法为原地工 作,空间复杂度为 0(1)。

 

通常 , 我们都使用”时间复杂度”来指运行时间的需求,使用”空间复杂度”指 空间需求。当不用限定词地使用”复杂度’时,通常都是指时间复杂度。

    原文作者:林牛克思
    原文地址: https://www.cnblogs.com/zhanghaodong/p/10310404.html
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞

发表评论

电子邮件地址不会被公开。 必填项已用*标注