算法的时间复杂度比较,计算多项式的直接法和秦九韶法

简介: 算法的时间复杂度比较,计算多项式的直接法和秦九韶法

1.直接法:

1 double Polynomial_1(int n, double a[], double x)
2 {
3     int i;
4     double sum = 0;
5     for (i = 0; i < n; i++)
6         sum += a[i] * pow(x, i);
7     return sum;
8 }

每次循环迭代,pow函数内部都会执行i次乘法,然后一次加法,所以整体的算法复杂度为O = 1/2 * n ^ 2 + 3/2n,尽管pow函数的实现方法是利用递归优化后的,但是算法复杂度还是达到了O(nlogn)

2.秦九韶法:

1 double Polynomial_2(int n, double a[], double x)
2 {
3     int i;
4     double sum = 0;
5     for (i = n; i > 0; i--)
6         sum = a[i - 1] + x * sum;
7     return sum;
8 }

它不断提取公因式x来减少乘法的运算次数,算法复杂度为O(n);

下面介绍一个测试运行时间的函数

clock()函数可以捕捉从程序开始运行到clock()被调用时所打下的点数,在要测试的函数前后各放置一个clock()函数,利用两个clock()函数即可计算出执行一个函数所打下的点数,CLK_TCK(或者是CLOCKS_PER_SEC)是一个常量,表示一个机器时钟每秒钟所打下的点数,简单计算后即可得到测试函数的运行时间,但是因为一个函数的运行时间是在是太短了,短到时钟还来不及打下下一个点函数就运行结束了,所以我们让被测函数重复循环多次执行,即可得到特定次数下的运行时间,被测函数的运行时间的比较就可以实现了。

 1 void run(double(*f)(int, double*, double), double a[], int case_n)
 2 {
 3     //此函数用于测试被测函数(*f)的运行时间,并且根据case_n输出相应的结果
 4     //case_n是输出的函数编号,1代表Polynomial_1, 2代表Polynomial_2
 5     int i;
 6     start = clock();                //开始计时
 7     for (i = 0; i < MAXK; i++)        //重复调用函数已获得充分多的时钟打点数
 8         (*f)(MAXN, a, 1.1);
 9     stop = clock();                    //结束计时
10     duration = ((double)(stop - start)) / CLK_TCK;        //计算运行时间
11     printf("ticks %d = %f\n", case_n, (double)(stop - start));
12     printf("duration 1 = %6.2e\n", duration);
13 }

下面是主函数,设置了多项式的各项系数

 1 #include <stdio.h>
 2 #include <time.h>
 3 #include <math.h>
 4 
 5 clock_t start, stop;
 6 double duration;        //记录被测函数运行的时间,以秒为单位
 7 #define MAXN 10            //多项式最大项数,最大项数加1
 8 #define MAXK 1e4    //被测函数最大重复调用次数
 9 
10 int main()
11 {
12     int i;
13     double a[MAXN];
14     for (i = 0; i < MAXN; i++)    //设置多项式的各项系数
15         a[i] = (double)i;
16 
17     run(Polynomial_1, a, 1);
18     run(Polynomial_2, a, 2);
19     return 0;
20 
21 }

根据MAXK设置不同的值,让被测函数重复循环执行相应的次数,实验结果如下

10^4:1456655-20180926150511312-1856526700.png    

10^5:   1456655-20180926150559275-1718566692.png

10^6:1456655-20180926150631684-473776507.png

10^7:1456655-20180926150657096-1375974209.png

由实验结果可以看出,秦九韶算法几乎都比普通算法快一个数量级

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。
62 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
|
1月前
|
存储 分布式计算 算法
大数据-106 Spark Graph X 计算学习 案例:1图的基本计算、2连通图算法、3寻找相同的用户
大数据-106 Spark Graph X 计算学习 案例:1图的基本计算、2连通图算法、3寻找相同的用户
60 0
|
30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。
24 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
|
JSON 算法 数据可视化
测试专项笔记(一): 通过算法能力接口返回的检测结果完成相关指标的计算(目标检测)
这篇文章是关于如何通过算法接口返回的目标检测结果来计算性能指标的笔记。它涵盖了任务描述、指标分析(包括TP、FP、FN、TN、精准率和召回率),接口处理,数据集处理,以及如何使用实用工具进行文件操作和数据可视化。文章还提供了一些Python代码示例,用于处理图像文件、转换数据格式以及计算目标检测的性能指标。
57 0
测试专项笔记(一): 通过算法能力接口返回的检测结果完成相关指标的计算(目标检测)
|
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。
64 0
算法的时间复杂度和空间复杂度
|
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
|
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
|
2月前
|
算法 C++
如何精确计算出一个算法的CPU运行时间?
如何精确计算出一个算法的CPU运行时间?