前言:算法效率
衡量一个算法的好坏,一般 是从时间和空间两个维度来衡量的,即时间复杂度和空间复杂度。
时间复杂度主要衡量一个算法的运行快慢,而空间复杂度主要衡量一个算法运行所需要的额外空间。
一、时间复杂度
1.1 时间复杂度的概念
算法中的基本操作的执行次数,为算法的时间复杂度。
即: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。
// 请计算一下Func1中++count语句总共执行了多少次?
void Func1(int N)
{
int count = 0;
for (int i = 0; i < N ; ++ i)
{
for (int j = 0; j < N ; ++ j)
{
++count;
}
}
for (int k = 0; k < 2 * N ; ++ k)
{
++count;
}
int M = 10;
while (M--)
{
++count;
}
printf("%d\n",count);
}
Func1 执行的基本操作次数 :
F(N) = N ^ 2 + 2 \* N + 10
N = 10 F(N) = 130
N = 100 F(N) = 10210
N = 1000 F(N) = 1002010
实际中我们计算时间复杂度时,我们其实并不一定要计算精确的执行次数,而只需要大概执行次数,那么这里我们使用大O的渐进表示法。
1.2 大O的渐进表示法
大O符号(Big O notation):是用于描述函数渐进行为的数学符号
推导大O阶方法:
1、用常数1取代运行时间中的所有加法常数。
即只要基本操作语句执行次数为常数次,那么时间复杂度便可用O(1)来表示
2、在修改后的运行次数函数中,只保留最高阶项。
如果基本操作语句执行次数为n^3+n^2+n,那么时间复杂度为O(n^3) 即只保留最高项
3、如果最高阶项存在且不是1,则去除与这个项目相乘的常数。得到的结果就是大O阶。
如果基本操作语句执行次数为6n^2,那么时间复杂度为O(n^2)
使用大O的渐进表示法以后,Func1的时间复杂度为:
O(N^2)
N = 10 F(N) = 100
N = 100 F(N) = 10000
N = 1000 F(N) = 1000000
通过上面我们会发现大O的渐进表示法去掉了那些对结果影响不大的项,简洁明了的表示出了执行次数。
另外有些算法的时间复杂度存在最好、平均和最坏情况:
最坏情况:任意输入规模的最大运行次数(上界)
平均情况:任意输入规模的期望运行次数
最好情况:任意输入规模的最小运行次数(下界)
例如:在一个长度为N数组中搜索一个数据x
最好情况:1次找到
最坏情况:N次找到
平均情况:N/2次找到
在实际中一般情况关注的是算法的最坏运行情况,所以数组中搜索数据时间复杂度为O(N)
1.3 常见时间复杂度计算举例
实例1:
实例1基本操作执行了2N+10次,通过推导大O阶方法知道,时间复杂度为 O(N)
实例2:
实例2基本操作执行了M+N次,有两个未知数M和N,时间复杂度为 O(N+M)
如果没有说M和N的关系,那就是O(M+N)
如果说M远大于N,那就是O(M) 注:远大于,不是大于
如果说N远大于M,那就是O(N)
补:O( )去掉谁,主要是看这一项对总体结果影响大不大 去掉对结果影响不大的项
实例3:
实例3基本操作执行了10次,通过推导大O阶方法,时间复杂度为 O(1)
注:O(1)不是代表1次,而是代表常数次
实例4:
实例4基本操作执行最好1次,最坏N次,时间复杂度一般看最坏,时间复杂度为 O(N)
实例5:
实例5基本操作执行最好N次,最坏执行了(N*(N+1)/2次,通过推导大O阶方法+时间复杂度一般看最坏,时间复杂度为 O(N^2)
实例6:
实例6基本操作执行最好1次,最坏O(logN)次,时间复杂度为 O(logN)
注: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。
注:只有以2为底的对数可以简写,以其他数字为底的对数不能简写
实例7:
实例7通过计算分析发现基本操作递归了N次,时间复杂度为O(N)。
实例8:
实例8通过计算分析发现基本操作递归了2^N次,时间复杂度为O(2^N)。
二、空间复杂度
2.1 空间复杂度的概念
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。
2.2 运行实例
实例1:
实例1使用了常数个额外空间,所以空间复杂度为 O(1)
实例2:
实例2动态开辟了N个空间,空间复杂度为 O(N)
时间一去不复返,不可重复利用
空间用了以后归还,可以重复利用
此题讲解需要用到栈相关知识,请关注后续博客
实例3:
实例3递归调用了N次,开辟了N个栈帧,每个栈帧使用了常数个空间。空间复杂度为O(N)
三、常见复杂度对比
一般算法常见的复杂度如下: