算法的时间空间复杂度详解

Posted sxkgeek

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了算法的时间空间复杂度详解相关的知识,希望对你有一定的参考价值。

一、算法

  1、算法是对待定问题求解步骤的一种描述

  2、衡量算法的指标:

    时间复杂度:执行这个算法需要消耗多少时间,即算法计算执行的基本操作次数

    空间复杂度:这个算法需要消耗多少空间,即算法在运行过程中临时占用存储空间大小的度量,强调的是辅助空间的大小(对数据进行操作的工作单元和存储一些计算的辅助单元),而不是指所有数据所占用的空间

  3、同一个问题可以用不同的算法解决,而一个算法的优劣将影响到算法乃至程序的效率。算法分析的目的在于为特定的问题选择合适的算法。一个算法的评价主要从时间复杂度和空间复杂度来考虑

    算法在时间的高效性和空间的高效性之间通常是矛盾的,通常我们会假设程序运行在足够大的内存中,更多地去探究时间复杂度

二、时间复杂度

  常见的时间复杂度有:常数阶O(1),对数阶O(log2n),线性阶O(n),线性对数阶O(nlog2n),平方阶O(n2),立方阶O(n3), k次方阶O(nk),指数阶O(2n)。随着问题规模n的不断增大,上述时间复杂度不断增大,算法的执行效率越低。

     计算时间复杂度
  •   去掉运行时间中的所有加法常数。
  •   只保留最高阶项。
  •   如果最高阶项存在且不是1,去掉与这个最高阶相乘的常数得到时间复杂度

  1、常数阶

int sum = 0, n = 100;       /*执行一次*/  
sum = (1 + n) * n / 2;      /*执行一次*/  
printf("%d",sum);           /*执行一次*/  

  2、对数阶

int count = 1;        
while (count < n){  
   count = count * 2;  
  /*时间复杂度为O(1)的程序步骤序列*/  
}  

   由于每次count乘以2之后,就距离n更近了一分。 也就是说,有多少个2相乘后大于n,则会退出循环。 由2^x=n 得到x=log2n。 所以这个循环的时间复杂度为O(log2n)。 

  3、线性阶

int i;        
for(i = 0; i < n; i++){  
    /*时间复杂度为O(1)的程序步骤序列*/  
}  

  4、平方阶

int i, j;        
for(i = 0; i < n; i++){  
    for(j = 0; j < n; j++){  
        /*时间复杂度为O(1)的程序步骤序列*/  
    }  
}  

  

int i, j;        
for(i = 0; i < n; i++){  
    for(j = i; j < n; j++){   /*注意j = i而不是0*/  
        /*时间复杂度为O(1)的程序步骤序列*/  
    }  
}  

由于当i=0时,内循环执行了n次,当i = 1时,执行了n-1次,……当i=n-1时,执行了1次。所以总的执行次数为:技术分享图片

  5、立方阶

int i, j;        
for(i = 1; i < n; i++)  
    for(j = 1; j < n; j++)  
        for(j = 1; j < n; j++){  
            /*时间复杂度为O(1)的程序步骤序列*/  
  
        }  

三、空间复杂度

  1、递归情况

int BinarySearch2(const int* ptr,const int x,const int left,const int right)  
{  
    int mid=(left+right)/2;  
    while(left<=right)  
    {  
        if(x<ptr[mid])  
        {  
            return BinarySearch2(ptr,x,left,mid-1);  
        }  
        else if(x>ptr[mid])  
        {  
            return BinarySearch2(ptr,x,mid+1,right);  
        }  
        return mid;  
    }  
}  

  递归情况下的空间复杂度:递归深度为N*每次递归的辅助空间大小,如果每次递归的辅助空间为常数,则空间复杂度为O(N)。

  对于递归的二分查找,递归深度是log2^n,每次递归的辅助空间为常数,所以空间复杂度为O(log2N)(2为底数下标)

  2、非递归情况

int BinarySearch1(const int* ptr,const int x,const int len)  
{  
    int left=0;  
    int right=len-1;  
    int mid=(left+right)/2;  
    while(left<=right)  
    {  
        if(x<ptr[mid])  
        {  
            right=mid-1;  
        }  
        else if(x>ptr[mid])  
        {  
            left=mid+1;  
        }  
        else  
        {  
            return mid;  
        }  
    }  
    return -1;  
}  

  在这个过程中,辅助空间为常数级别,所以空间复杂度为O(1)

以上是关于算法的时间空间复杂度详解的主要内容,如果未能解决你的问题,请参考以下文章

算法时间复杂度和空间复杂度详解

算法的时间复杂度和空间复杂度详解

时间复杂度和空间复杂度详解

算法的时间复杂度和空间复杂度详解

数据结构和算法衡量算法的标尺,时间和空间复杂度详解

那些年忽略的知识:时间复杂度和空间复杂度详解