时间和空间复杂度

目录

一、如何衡量一个算法的好坏

二、算法效率

三、时间复杂度

        3.1 时间复杂度概念

        3.2 大O的渐进表示法

        3.3 推导大O阶方法

        3.4 常见时间复杂度计算

        3.5 空间复杂度

一、如何衡量一个算法的好坏

        以下是求斐波那契数列的算法,这个算法是好还是不好呢?为什么?如何衡量一个算法的好与坏?

public static long Fib(int N){
        if(N < 3){
                return 1;
        }

        return Fib(N-1) + Fib(N-2);

}

二、算法效率

        算法效率分为两种:时间效率和空间效率。时间效率称为时间复杂度,空间效率称为空间复杂度。时间复杂度主要衡量一个算法的运行速度,而空间复杂度主要衡量一个算法所需要的额外空间。在计算机发展早期,计算机的存储容量很小,所以很在乎空间复杂度,但经过计算机行业的迅速发展,计算机的存储容量已经达到很高程度,所以如今我们已经不需要再特别关注一个算法的空间复杂度。

三、时间复杂度

        3.1 时间复杂度概念

        时间复杂度:在计算机科学中,算法的时间复杂度是一个数学函数,定量描述该算法的运行时间。一个算法执行耗费的时间,理论上说,是不能算出来的,只有把程序放在机器上跑起来,才能知道。但我们对每个算法都上机测试很麻烦,所以就有了时间复杂度这个分析方式。一个算法所花费的时间与其中语句的执行次数成正比例,算法中的基本操作的执行次数,为算法的时间复杂度

        3.2 大O的渐进表示法

//计算fun1基本操作执行了多少次

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--) > 0) {
                count++;
        }

        System.out.println(count);
}

        执行次数:F(N)=N^{^{2}}+2*N+10

        随着N越来越大,除最高阶的项对最终结果的影响越来越小,而且实际上我们在计算时间复杂度时,并不需要计算精确的执行次数,只需要大概执行次数就可以,因此可以使用大O的渐进表示法。大O符号:用于描述函数渐进行为的数学符号。

        3.3 推导大O阶方法

  1. 用常数1取代关于运行次数的函数中所有加法常数。
  2. 在修改后的运行次数函数中,只保留最高阶项。
  3. 如果最高阶项存在且不是1,则去除最高阶项的系数,得到的结果就是大O阶。

        使用大O阶表示法 表示 func1 的时间复杂度为:O(N^{2})

        有些算法存在最好、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)

        示例:在一个长度为N数组中查找一个数据x

        最好情况:1次就找到

        最坏情况:N才找到

        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,所以数组中查找数据的时间复杂度为O(N)

        3.4 常见时间复杂度计算

        示例1

void func2(int N) {
        int count = 0;
        for (int k = 0; k < 2 * N ; k++) {
                count++;
        }

        int M = 10;
        while ((M--) > 0) {
                count++;
        }

        System.out.println(count);
}

        执行次数:func2(N)=2*N+10,大O表示法为O(N)。

        示例2

void func3(int N, int M) {
        int count = 0;
        for (int k = 0; k < M; k++) {
                count++;
        }

        for (int k = 0; k < N ; k++) {
                count++;
        }

        System.out.println(count);
}

        执行次数:func2(N,M)=N+M,大O表示法为O(N+M)。

        示例3

void func4(int N) {
        int count = 0;
        for (int k = 0; k < 100; k++) {
                count++;
        }

        System.out.println(count);

}

     执行次数:func2(N)=100,大O表示法为O(1)。

        示例4

void bubbleSort(int[] array) {
        for (int end = array.length; end > 0; end--) {
                boolean sorted = true;
                for (int i = 1; i < end; i++) {
                        if (array[i - 1] > array[i]) {
                                Swap(array, i - 1, i);
                                sorted = false;
                        }
                }

                if(sorted == true) {
                        break;

                }

        }

}

        执行次数:func2(N)=N-1+N-2+……+1=N(N-1)/2,大O表示法为O(N^{2})。

        示例5

int binarySearch(int[] array, int value) {
        int begin = 0;
        int end = array.length - 1;
        while (begin <= end) {
                int mid = begin + ((end-begin) / 2);
                if (array[mid] < value)
                        begin = mid + 1;
                else if (array[mid] > value)
                        end = mid - 1;
                else
                return mid;
        }

        return -1;
}

         执行次数:func2(N)=$\log 2^n$,大O表示法为O($\log 2^n$)。

         示例6

long factorial(int N) {
        return N < 2 ? N : factorial(N-1) * N;

}

        递归函数的时间复杂度计算:递归次数*每次递归中操作的次数。

        函数factorial递归了N-1次,每次递归的操作数为1。

        执行次数:factorial(N)=N-1,大O表示法为O(N)。

        示例7

int fibonacci(int N) {
        return N < 2 ? N : fibonacci(N-1)+fibonacci(N-2);

}

        每次递归执行一次加法操作,最后n=1相当于执行赋值操作,每次递归的操作数为1。

        递归总次数:

        执行次数:fibonacci(N)=2^{N-1},大O表示法为O(2^{N})。

        3.5 空间复杂度

        空间复杂度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,不是程序占用了多少bytes的空间,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时间复杂度类似,也使用大O渐进表示法
        示例1

void bubbleSort(int[] array) {
        for (int end = array.length; end > 0; end--) {
                boolean sorted = true;
                for (int i = 1; i < end; i++) {
                        if (array[i - 1] > array[i]) {
                                Swap(array, i - 1, i);
                                sorted = false;
                        }
                }

                if(sorted == true) {
                        break;
                }
        }

}

        在函数内部临时创建了三个常量i,j,sorted,即常数个空间空间复杂度为O(1)。

        示例2

int[] fibonacci(int n) {        //求斐波那契数列第n项的值
        long[] fibArray = new long[n + 1];
        fibArray[0] = 0;
        fibArray[1] = 1;
        for (int i = 2; i <= n ; i++) {
                fibArray[i] = fibArray[i - 1] + fibArray [i - 2];
        }

        return fibArray;

}
 

        开辟N+1个lang类型变量的空间,空间复杂度为O(N)。

        示例3

long factorial(int N) {
        return N < 2 ? N : factorial(N-1)*N;
}

        递归调用了N次,开辟了N个栈帧,每个栈帧使用常数个空间,空间复杂度为O(N)。
 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/77157.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

ARM Linux DIY(八)USB 调试

前言 V3s 带有一个 USB 接口&#xff0c;将其设置为 HOST 或 OTG 模式&#xff0c;这样可以用来接入键盘、鼠标等 USB 外设。 USB 简介 USB 有两种设备&#xff1a;HOST 和 USB 功能设备。 在 USB2.0 中又引入了一个新的概念 OTG&#xff0c;即设备角色可以动态切换。 切换方…

ctfhub ssrf(3关)

文章目录 内网访问伪协议读取文件扫描端口 内网访问 根据该题目&#xff0c;是让我们访问127.0.0.1/falg.php&#xff0c;访问给出的链接后用bp抓包&#xff0c;修改URL&#xff0c;发送后得到flag&#xff1a; 伪协议读取文件 这题的让我们用伪协议&#xff0c;而网站的目录…

Java 基本类型和包装类

Java 是基于对象的&#xff0c;所以我们都需要以对象的想法来进行思维。 但 Java 又提供了 8 个基本类型&#xff0c;这 8 个基本类型基本上都和数字有关&#xff0c;是直接可以使用的类型。 基本类型大小包装器类型boolean/Booleanchar16bitCharacterbyte8bitByteshort16bitS…

712. 两个字符串的最小ASCII删除和 -- 动规

712. 两个字符串的最小ASCII删除和 class MinimumDeleteSum:"""712. 两个字符串的最小ASCII删除和https://leetcode.cn/problems/minimum-ascii-delete-sum-for-two-strings/"""def solution(self, s1: str, s2: str) -> int:""&qu…

C#下使用IronPython来实现热更新

问题 之前我们学习过Roslyn&#xff0c;他可以动态编译代码并运行&#xff0c;然后通过ALC加载即插即用&#xff0c;但是遇到一些问题感觉无法解决&#xff0c;我编写一个类A在ALC中&#xff0c;另外一个类B要实例化这个A&#xff0c;我想让他们都能灵活卸载&#xff0c;但是如…

wireshark通常无法抓取交换机所有端口报文

Wireshark 是一种网络分析工具&#xff0c;它通常在计算机的网络接口上进行数据包捕获和分析。然而&#xff0c;Wireshark 默认情况下无法直接捕获交换机所有端口的报文。 交换机是一种网络设备&#xff0c;它在局域网内转发数据包&#xff0c;根据目的MAC地址将数据包仅发送到…

使用mybatis批量插入数据

最近在做项目的时候&#xff0c;有些明细数据&#xff0c;一条一条的插入太费资源和时间&#xff0c;所以得需要批量插入&#xff0c;今晚闲来无事写个小demo。 新建工程 <dependency><groupId>org.mybatis.spring.boot</groupId><artifactId>mybatis…

「程序员必须掌握的算法」字典树「上篇」

「程序员必须掌握的算法」字典树「上篇」 前言: 在计算机科学中&#xff0c;字典树&#xff08;Trie&#xff09;是一种有序树&#xff0c;用于保存关联数组&#xff08;有时我们称之为“映射”或“字典”&#xff09;。与二叉查找树不同&#xff0c;键不是直接保存在节点中&am…

vue 知识点———— 生命周期

1.什么是生命周期 Vue实例从创建到销毁的过程&#xff0c;叫生命周期。 从开始创建、初始化数据、编译模版、挂载Dom-渲染、更新-渲染、销毁等过程。 2.生命周期一共有几个阶段 创建前/后, 载入前/后,更新前/后,销毁前/销毁后 3.初始化相关属性 beforeCreate&#xff08;创建前…

网络摄像头-流媒体服务器-视频流客户端

取电脑的视频流 当涉及交通事件检测算法和摄像头视频数据处理时&#xff0c;涉及的代码案例可能会非常复杂&#xff0c;因为这涉及到多个组件和技术。以下是一个简单的Python代码示例&#xff0c;演示如何使用OpenCV库捕获摄像头视频流并进行实时车辆检测&#xff0c;这是一个…

您的计算机已被[new_day@torguard.tg].faust 勒索病毒感染?恢复您的数据的方法在这里!

导言&#xff1a; 随着科技的迅速发展&#xff0c;网络空间也变得越来越危险&#xff0c;而勒索病毒则是网络威胁中的一个严重问题。 [ new_daytorguard.tg ].faust 勒索病毒是最新的威胁之一&#xff0c;采用高度复杂的加密技术&#xff0c;将受害者的数据文件锁定&#xff0c…

基于腾讯文档进行应届生个人求职记录

1. 新建一个腾讯文档 电脑登录QQ&#xff0c;点击“腾讯文档”功能键。 2. 可以选择下载客户端&#xff0c;也可以直接进入网页版。&#xff08;本人使用网页版&#xff09; 3. 点击新建&#xff0c;选择在线表格。 4. 编辑表名&#xff0c;表内容。 5. 设置文档权限&#xf…

性能测试工具LoadRunner —— 性能测试流程及结果分析

性能测试目的 1 什么是性能测试? 性能测试是通过性能的测试工具模拟多种正常、峰值以及异常负载条件来对系统的各项性能指标进行测试。 负载测试和压力测试都属于性能测试&#xff0c;两者可以结合进行。通过负载测试&#xff0c;确定在各种工作负载下系统的性能&#xff0…

机器学习笔记之最优化理论与方法(七)无约束优化问题——常用求解方法(上)

机器学习笔记之最优化理论与方法——基于无约束优化问题的常用求解方法[上] 引言总体介绍回顾&#xff1a;线搜索下降算法收敛速度的衡量方式线性收敛范围高阶收敛范围 二次终止性朴素算法&#xff1a;坐标轴交替下降法最速下降法(梯度下降法)梯度下降法的特点 针对最速下降法缺…

不关闭Tamper Protection(篡改保护)下强制卸载Windows Defender和安全中心所有组件

个人博客: xzajyjs.cn 背景介绍 由于微软不再更新arm版本的win10系统&#xff0c;因此只能通过安装insider preview的镜像来使用。而能找到的win10 on arm最新版镜像在安装之后由于内核版本过期&#xff0c;无法打开Windows安全中心面板了&#xff0c;提示如下&#xff1a; 尝…

mysql技术文档--之与redo log(重做日志)庖丁解析-超级探索!!!

阿丹&#xff1a; 在刚开始写本文章的是还不太清楚要如何去细啃下这两个体系&#xff0c;在查阅资料的过程中。发现大厂阿里的庖丁解InnoDB系列&#xff0c;详细了的写了很多底层知识&#xff0c;于是基于这个这两个文章才有了阿丹的这篇文章。 整体认知&#xff1a; 在 MySQ…

分享一个python基于数据可视化的智慧社区服务平台源码

&#x1f495;&#x1f495;作者&#xff1a;计算机源码社 &#x1f495;&#x1f495;个人简介&#xff1a;本人七年开发经验&#xff0c;擅长Java、Python、PHP、.NET、Node.js、微信小程序、爬虫、大数据等&#xff0c;大家有这一块的问题可以一起交流&#xff01; &#x1…

AI项目六:WEB端部署YOLOv5

若该文为原创文章&#xff0c;转载请注明原文出处。 一、介绍 最近接触网页大屏&#xff0c;所以就想把YOLOV5部署到WEB端&#xff0c;通过了解&#xff0c;知道了两个方法&#xff1a; 1、基于Flask部署YOLOv5目标检测模型。 2、基于Streamlit部署YOLOv5目标检测。 代码在…

mt7981支持leds驱动 - 修改5g led为普通led

一. 前言 由于工作中需要驱动mt7981的gpio&#xff0c;所以研究了下怎么使用mt7981的leds驱动子系统&#xff0c;记录如下文。 二. 将5g wifi灯复用为普通GPIO 1. 查看drivers/pinctrl/mediatek/pinctrl-mt7981.c static const struct group_desc mt7981_groups[] { ....../…

android 10 wifi操作

android 10及以上wifi发生了变化&#xff0c;android 10及以下代码需要适配。 android 10及以上&#xff1a; 1.权限&#xff1a; <uses-permission android:name"android.permission.ACCESS_FINE_LOCATION"/> <uses-permission android:name"androi…