算法的时间复杂度和空间复杂度

简介: 算法的时间复杂度和空间复杂度

和我一起学数据结构了开始>>数据结构呈上,希望大家满意啦


算法效率

怎么衡量一个算法的好坏

 算法在编写可执行程序后,运行需要时间和空间,所以衡量一个算法的好坏是从时间和空间两个维度来衡量

时间复杂度:主要是衡量一个算法的运行快慢

空间复杂度:主要衡量一个算法的运行所需要的额外空间

时间复杂度

时间复杂度的概念

    在计算机科学中,算法的时间复杂度是一个函数,它定量描述了该算法的运行时间。一个算法执行所耗费的时间。

    算法中的基本操作的执行次数,为算法的时间复杂度。

找到某条基本语句与问题规模N之间的数学表达式,就是算出了该算法的时间复杂度。

我们来看一个代码

1. void Func1(int N)
2. {
3.  int count = 0;
4.  for (int i = 0; i < N; ++i)
5.  {
6.    for (int j = 0; j < N; ++j)
7.    {
8.      ++count;
9.    }
10.   }
11.   for (int k = 0; k < 2 * N; ++k)
12.   {
13.     ++count;
14.   }
15.   int M = 10;
16.   while (M--)
17.   {
18.     ++count;
19.   }
20.   printf("%d\n", count);
21. }

这里的Func1执行的操作次数:N^2+2*N+10;

我们计算不一定要计算精确的执行次数,只需要抓大头,就是影响结果最大的那个,在这里,影响最大的就是N^2,这种就叫大o的渐进表示法,在这里表示O(N^2)

例子1

1. int BinarySearch(int* a, int n, int x)
2. {
3.  assert(a);
4.  int begin = 0;
5.  int end = n - 1;
6.  // [begin, end]:begin和end是左闭右闭区间,因此有=号
7.  while (begin <= end)
8.  {
9.    int mid = begin + ((end - begin) >> 1);
10.     if (a[mid] < x)
11.       begin = mid + 1;
12.     else if (a[mid] > x)
13.       end = mid - 1;
14.     else
15.       return mid;
16.   }
17.   return -1;
18. }

基本操作执行最好1次,最坏O(logN)次,时间复杂度为 O(logN)

ps:logN在算法分析中表示是底数为2,对数为N。有些地方会写成lgN。(建议通过折纸查找的方式讲解logN是怎么计算出来的)

空间复杂度

概念

     空间复杂度也是一个数学表达式,是对一个算法在运行过程中临时占用存储空间大小的量度

     空间复杂度不是程序占用了多少bytes的空间,因为这个也没太大意义,所以空间复杂度算的是变量的个数。

     空间复杂度计算规则基本跟实践复杂度类似,也使用大O渐进表示法。

注意:函数运行时所需要的栈空间(存储参数、局部变量、一些寄存器信息等)在编译期间已经确定好了,因此空间复杂度主要通过函数在运行时候显式申请的额外空间来确定。

例子1

1. long long* Fibonacci(size_t n)
2. {
3.  if (n == 0)
4.    return NULL;
5.  long long* fibArray = (long long*)malloc((n + 1) * sizeof(long long));
6.  fibArray[0] = 0;
7.  fibArray[1] = 1;
8.  for (int i = 2; i <= n; ++i)
9.  {
10.     fibArray[i] = fibArray[i - 1] + fibArray[i - 2];
11.   }
12.   return fibArray;
13. }

动态开辟了N个空间,空间复杂度为 O(N)

一些常见的复杂度对比

轮转数组(力扣上面的题目)

给定一个整数数组 nums,将数组中的元素向右轮转 k 个位置,其中 k 是非负数。

示例 1:

输入: nums = [1,2,3,4,5,6,7], k = 3

输出: [5,6,7,1,2,3,4]

解释:

向右轮转 1 步: [7,1,2,3,4,5,6]

向右轮转 2 步: [6,7,1,2,3,4,5]

向右轮转 3 步: [5,6,7,1,2,3,4]

示例 2:

输入:nums = [-1,-100,3,99], k = 2

输出:[3,99,-1,-100]

解释:

向右轮转 1 步: [99,-1,-100,3]

向右轮转 2 步: [3,99,-1,-100]

   思路1:一般来说会采用循坏来解决,采用一for循坏,保留最后一个数,然后整个数组向后移,第一个位置内容令为一开始保留的位置

   思路2:前n-k个逆置,后k个逆置,最后整体逆置

代码练习网页:

力扣轮换数组


今天就到这里了,如果学到一点点知识,可以点个小赞)

 


相关文章
|
1月前
|
机器学习/深度学习 缓存 算法
Python算法设计中的时间复杂度与空间复杂度,你真的理解对了吗?
【10月更文挑战第4天】在Python编程中,算法的设计与优化至关重要,尤其在数据处理、科学计算及机器学习领域。本文探讨了评估算法性能的核心指标——时间复杂度和空间复杂度。通过详细解释两者的概念,并提供快速排序和字符串反转的示例代码,帮助读者深入理解这些概念。同时,文章还讨论了如何在实际应用中平衡时间和空间复杂度,以实现最优性能。
59 6
|
3月前
|
机器学习/深度学习 算法 程序员
读《趣学算法》:重开算法之门,时间复杂度与空间复杂度
本文是作者阅读《趣学算法》后的笔记,介绍了算法复杂度的基本概念,包括时间复杂度和空间复杂度的不同阶表示,并通过具体例子展示了如何计算和理解算法的效率。
65 2
读《趣学算法》:重开算法之门,时间复杂度与空间复杂度
|
28天前
|
搜索推荐 算法
插入排序算法的平均时间复杂度解析
【10月更文挑战第12天】 插入排序是一种简单直观的排序算法,通过不断将未排序元素插入到已排序部分的合适位置来完成排序。其平均时间复杂度为$O(n^2)$,适用于小规模或部分有序的数据。尽管效率不高,但在特定场景下仍具优势。
|
1月前
|
机器学习/深度学习 存储 缓存
数据结构与算法学习十:排序算法介绍、时间频度、时间复杂度、常用时间复杂度介绍
文章主要介绍了排序算法的分类、时间复杂度的概念和计算方法,以及常见的时间复杂度级别,并简单提及了空间复杂度。
23 1
数据结构与算法学习十:排序算法介绍、时间频度、时间复杂度、常用时间复杂度介绍
|
1月前
|
存储 算法
算法的时间复杂度和空间复杂度
本文详细讨论了算法的时间复杂度和空间复杂度,包括它们的概念、计算方法和常见复杂度的对比,并通过多个实例解释了如何计算算法的时间和空间复杂度。
63 0
算法的时间复杂度和空间复杂度
|
1月前
|
机器学习/深度学习 存储 算法
【初阶数据结构】算法效率大揭秘 | 时间与空间复杂度的深度剖析
【初阶数据结构】算法效率大揭秘 | 时间与空间复杂度的深度剖析
|
2月前
|
算法 Python
震惊!Python 算法设计背后,时间复杂度与空间复杂度的惊天秘密大起底!
在 Python 算法设计中,理解并巧妙运用时间复杂度和空间复杂度的知识,是实现高效、优雅代码的必经之路。通过不断地实践和优化,我们能够在这两个因素之间找到最佳的平衡点,创造出性能卓越的程序。
39 4
|
2月前
|
缓存 算法 数据处理
时间&空间复杂度,Python 算法的双重考验!如何优雅地平衡两者,打造极致性能?
在Python算法中,时间与空间复杂度的平衡至关重要。时间复杂度反映算法执行时间随输入规模的变化趋势,空间复杂度则关注额外存储空间的需求。优秀的算法需兼顾两者,如线性搜索时间复杂度为O(n),空间复杂度为O(1);二分查找在时间效率上显著提升至O(log n),空间复杂度保持为O(1);动态规划通过牺牲O(n)空间换取O(n)时间内的高效计算。实际应用中,需根据具体需求权衡,如实时数据处理重视时间效率,而嵌入式系统更关注空间节约。通过不断优化,我们能在Python中找到最佳平衡点,实现高性能程序。
65 3
|
1月前
|
算法 C语言
深入理解算法效率:时间复杂度与空间复杂度
深入理解算法效率:时间复杂度与空间复杂度
|
22天前
|
算法 安全 数据安全/隐私保护
基于game-based算法的动态频谱访问matlab仿真
本算法展示了在认知无线电网络中,通过游戏理论优化动态频谱访问,提高频谱利用率和物理层安全性。程序运行效果包括负载因子、传输功率、信噪比对用户效用和保密率的影响分析。软件版本:Matlab 2022a。完整代码包含详细中文注释和操作视频。