温馨提示×

温馨提示×

您好,登录后才能下订单哦!

密码登录×
登录注册×
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》

10.算法分析

发布时间:2020-04-02 09:18:42 来源:网络 阅读:596 作者:听丶飞鸟说 栏目:编程语言

算法时间复杂度和空间复杂度

  1. 了解时间复杂度对算法的选用会很有帮助,比如说之前怎么样选择数据结构,都是通过每个操作的时间复杂度的分析来看是不是满足需求,肯定的是,在满足需求的情况下,时间复杂度越优越好,操作次数越少越好。

  2. 大O是什么?可以理解为操作次数与数据个数的比例关系;O(1)是有限次数的操作;O(n)是操作正比于你的元素。

  3. 大O表示法:

    参考《算法导论》的列子:考虑计算一个n * n的矩阵所有元素的和:

10.算法分析

 列举两种方式:

# version1
total_sum = 0
for i in range(n):
    row_sum[i] = 0
    for j in range(n):
        row_sum[i] = row_sum[i] + matrix[i, j]
        total_sum = total_sum + matrix[i, j]

# version2
total_sum = 0
for i in range(n):
    row_sum[i] = 0
    for j in range(n):
        row_sum[i] = row_sum[i] + matrix[i, j]
    total_sum = total_sum + row_sum[i]    # 注意这里和上边的不同

两种方式的主要区别在最后一行,

    第一个方式:假设矩阵是n*n的,这嵌套是在两层循环里面,而且每一步都循环n次,可以认为它是一个n*n的,循环两次,即 (2n)*n的时间复杂度。

    第二个方式:假设矩阵是n*n的,能看出最后一行不在上面的循环里面,上面的循环执行了n*n(嵌套在两层循环里面),最后一行是执行n次,所以他是n*n+n的时间复杂度。

如果数据量很小,可能感觉不出差异,但是如果放大n的增长的时候,总的操作次数就很明显区别了:

10.算法分析

通常不关系每个算法执行了多少次,更关心随输入规模的增加算法运行的时间将以什么样的速度增加,所以定义了一个符号,大O符号。


4. 如何计算时间复杂度

上面举例2个版本的计算矩阵和的代码,有两个公式:

① 2n * n = 2n2

② n+n*n = n+n2

当n非常大的时候,n*n(即n的平方)的数值将占主导,可以忽略单个n的影响:

n+n2<= 2n2

可以认为两个算法的时间复杂度都为O(n2)


5.常用的时间复杂度

列举一些常用的时间复杂度,按照增长速度排序,日常我们的业务代码中最常用的是指数之前的复杂度,指数和阶乘的增长速度非常快, 当输入比较大的时候用在业务代码里是不可接受的。

O

名称

举例补充
1常量时间一次赋值nlogn以下的这些时间复杂度都是比较占优势的。
logn对数时间折半查找
n线性时间线性查找
nlogn对数线性时间快速排序
n2平方两重循环越向上增长的越快那那怕是计算机非常快,依然要花很多时间运行。
n3立方

三重循环

2n指数
递归求斐波那契数列
n!阶乘旅行商问题
O(1) 固定时间内的一次操作,比如:一次赋值,一次加法,几次加法操作。
O(logn)二分查找,操作一个有序数组的时候,每次都可以把它折半。
O(n)查找都需要从头查到尾,找到了才能退出。
O(nlogn)快速排序或归并
O(n2)两重循环嵌套
O(n3)

三重嵌套

O(2n)指数就有一些递归算法,没有优化的递归
O(n!)旅行商问题,学术界讨论会比较多,工程会少一些


6.空间复杂度

    相比于时间,空间很多时候,不是主要的考虑因素,用户老爷们都等不及,而且现在存储都越来越便宜了,为了提升响应速度,能可多用一点空间,所以空间复杂度讨论的少一些;当然,如果数据量非常非常大,也会考虑空间占用的问题。


常见的空间复杂度的增长趋势图:

10.算法分析

所以,工程上能接受的都是 nlogn 以下的空间复杂度,图中nlogn,n,log2n这些。


向AI问一下细节

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

AI