五分钟“手撕”时间复杂度与空间复杂度

 

目录

一、算法效率

什么是算法

如何衡量一个算法的好坏

算法效率

二、时间复杂度

时间复杂度的概念

大O的渐进表示法

推导大O阶方法

常见时间复杂度计算举例  

三、空间复杂度

常见时间复杂度计算举例


一、算法效率

什么是算法

算法(Algorithm):就是定义良好的计算过程,他取一个或一组的值为输入,并产生出一个或一组值作为输出。简单来说:算法就是一系列的计算步骤,用来将输入数据转化成输出结果

如何衡量一个算法的好坏

下面求斐波那契数列的算法好还是不好,为什么?该如何衡量一个算法的好坏呢? 

public static long Fib(int N){
if(N < 3){return 1;
}return Fib(N-1) + Fib(N-2);
}

算法效率

算法效率分析分为两种:第一种是时间效率,第二种是空间效率

时间效率被称为时间复杂度,而空间效率被称作空间复杂度

时间复杂度主要衡量的是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。

在计算机发展的早期,计算机的存储容量很小。所以对空间复杂度很是在乎。但是经过计算机行业的迅速发展,计算机的存储容量已经达到了很高的程度。所以我们如今已经不需要再特别关注一个算法的空间复杂度。 

二、时间复杂度

时间复杂度的定义:在计算机科学中,算法的时间复杂度是一个数学函数它定量描述了该算法的运行时间。

那我们就在想:那程序运行,记为时间开始,程序结束,记为时间结束,两者相减不就好了嘛?

这样想是不对的。因为每台电脑的性能都是不一样的,处理程序的时间也会不一样,就比如:老的电脑可能慢一点,新电脑可能快一点

时间复杂度的概念

 所以才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。 

大O的渐进表示法

我们通过一段代码学习大O的渐进表示法: 

// 请计算一下func1基本操作执行了多少次?
void func1(int N){int count = 0;
//下面这个for循环执行了N^2次
for (int i = 0; i < N ; i++) {for (int j = 0; j < N ; j++) {count++;}
}
//下面这个for循环执行了2*N次
for (int k = 0; k < 2 * N ; k++) {count++;
}int M = 10;
//下面这个while循环执行了10次
while ((M--) > 0) {count++;
}System.out.println(count);
}

分析思路:

第一个for循环,它是双重循环,外圈从0开始,循环到N;内圈也从0开始,循环到N。所以循环了N*N=N^2次执行次数。

第二个for循环,他只有一层循环,按顺序的循环,从0开始,循环了2*N次执行次数

第三个for循环,他M是10,M--到0结束,执行了10次执行次数。        

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。 

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。

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,则去除与这个项目相乘的常数。得到的结果就是大O阶。 

所以对于上面那个代码,我们算出执行次数的函数表达式为:F(N)=N^2+2*N+10;

对于方法1:F(N)=N^2+2*N+1;

对于方法2:F(N)=N^2+1;

对于方法3:F(N)=N^2+1;

而1对于这个函数来说,可以忽略不记,所以最后时间复杂度就为:O(N^2)

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) 

常见时间复杂度计算举例  

【实例1】 

// 计算func2的时间复杂度?
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);
}

所以对于上面那个代码,我们算出执行次数的函数表达式为:F(N)=2*N+10;

对于方法1:F(N)=2*N+1;

对于方法2:F(N)=2*N+1;

对于方法3:F(N)=N;

所以最后时间复杂度就为:O(N);

【实例2】

// 计算func3的时间复杂度?
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);
}

所以对于上面那个代码,我们算出执行次数的函数表达式为:F(N)=M+N;

对于方法1:F(N)=M+N;

对于方法2:F(N)=M+N;

对于方法3:F(N)=M+N;

所以最后时间复杂度就为:O(M+N);

【实例3】

// 计算func4的时间复杂度?
void func4(int N) {int count = 0;
for (int k = 0; k < 100; k++) {count++;
}System.out.println(count);
}

所以对于上面那个代码,我们算出执行次数的函数表达式为:F(N)=100;

对于方法1:F(N)=1;

对于方法2:F(N)=1;

对于方法3:F(N)=1;

所以最后时间复杂度就为:O(1);

【实例4】

// 计算bubbleSort的时间复杂度?
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;
}
}
}

注意!这时候可能会陷入个误区: 两层循环不就是array.length^(array.length-1)吗?

但是你要想清楚,假设end=3,(注意看代码,end每次循环都会变化,下面的循环也会变化)

第一次:end=3,i=1;i++;i=2;(i<end:3)

第二次:end=2,i=1;(i<end:2)

循环结束。

所以:执行次数为n-1.....n-2......n-3......1这是个等差数列求和(Sn=n(a1+an)/2);

所以F(N)=(N*(N-1))/2 = (N^2-N)/2

所以对于上面那个代码,我们算出执行次数的函数表达式为:F(N)=(N^2-N)/2

对于方法1:F(N)=(N^2-N)/2;

对于方法2:F(N)=(N^2)/2;

对于方法3:F(N)=N^2;

所以最后时间复杂度就为:O(N^2);

【实例5】

/ 计算binarySearch的时间复杂度?
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;
elsereturn mid;
}return -1;
}

 上面程序是二分查找,但是对于时间复杂度的求法有两点:

1.看代码

2.看思想

显然,直接看代码行不通,并不能很容易推断出他的执行次数的函数。所以我们看下图:

【实例6】

// 计算阶乘递归factorial的时间复杂度?
long factorial(int N) {return N < 2 ? N : factorial(N-1) * N;
}

 递归的时间复杂度:递归的次数*每次递归后  代码执行的次数。

注意:只要不是循环等等,普通的代码语句都是O(1);

上述代码也是需要看思想的,这个是递归代码,我们可以试试先带个简单的值,

比如:FIb(3):

Fib(3)执行一次--》Fib (2) 执行一次--》FIb(1)执行一次。

所以是O(N)

【实例7】

// 计算斐波那契递归fibonacci的时间复杂度?
int fibonacci(int N) {return N < 2 ? N : fibonacci(N-1)+fibonacci(N-2);
}

递归的时间复杂度:递归的次数*每次递归后  代码执行的次数。

我们可以试试先把Fib(4)带入,得下图:

2^0+2^1+2^2+2^3+......+2^(N-1)   这是一个等比数列

等比数列公式为:Sn=a1 (1-q^n)/ (1-q)

则算出数据为:O(2^N)

 

 

那又会有一个想法:右下角那部分不是空缺了吗?我们不是在完整的状况下求的空间复杂度吗?

答:空间复杂度我们一般都是求最坏的结果,所以即使多了一部分也无妨,反正求的是最坏的结果。 

三、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 。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时间复杂度类似,也使用大O渐进表示法。 

常见时间复杂度计算举例

 【实例1】

// 计算bubbleSort的空间复杂度?
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;
}
}
}

我们的变量只有:end,sorted,i 这三个额外的空间。

可能会有个想法:为什么int[ ] array不算呢?

答:作为参数、条件传入函数的都不算时间复杂度,因为不是临时占用的空间也不是额外占用的空间。

即使是经历了N次循环,但是要知道的是:空间是可以重复利用的。

比如:i被int出来,会进入局部域在这个栈帧里面创建一个,出了作用域(也就是括号)栈帧销毁,空间释放。下次再int的的i也是同一个空间,所以i只创建了一个变量。

只计算变量个数,不管变量类型,也不算空间具体的字节数。

所以上述代码空间复杂度为:O(3)

又根据大O渐进阶方法中:方法3:O(3)=O(1)

 【实例2】

// 计算fibonacci的空间复杂度?int[] fibonacci(int n) {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;
}

上述代码创建了 N+1 个大小的数组

而1可以直接省略,数值太小了忽略不计

所以空间复杂度为:O(N)

 【实例3】

// 计算阶乘递归Factorial的空间复杂度?
long factorial(int N) {return N < 2 ? N : factorial(N-1)*N;
}

假设:我们N为3,Fib(3)--》Fib(2)--》Fib(1)一共三次

我们函数在每次执行时,都会在栈上开辟一份临时的空间

所以空间复杂度为: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/web/12487.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

C++|多态性与虚函数(2)|虚析构函数|重载函数|纯虚函数|抽象类

前言 看这篇之前&#xff0c;可以先看多态性与虚函数&#xff08;1&#xff09;⬇️ C|多态性与虚函数&#xff08;1&#xff09;功能绑定|向上转换类型|虚函数-CSDN博客https://blog.csdn.net/weixin_74197067/article/details/138861418?spm1001.2014.3001.5501这篇文章会…

【Java开发面试系列】JVM相关面试题(精选)

【Java开发面试系列】JVM相关面试题&#xff08;精选&#xff09; 文章目录 【Java开发面试系列】JVM相关面试题&#xff08;精选&#xff09;前言一、JVM组成二、类加载器三、垃圾回收四、JVM实践&#xff08;调优&#xff09; &#x1f308;你好呀&#xff01;我是 山顶风景独…

【十大排序算法】----C语言版插入排序(详细图解)

目录 一&#xff1a;插入排序——原理 二&#xff1a;插入排序——分析 三&#xff1a;插入排序——实现 四&#xff1a;插入排序——效率 一&#xff1a;插入排序——原理 插入排序的原理和基本思想&#xff1a;把待排序的记录按其关键码值的大小逐个插入到一个已经排好序…

无需重启 NGINX 开源版即可实现 SSL/TLS 证书轮换

原文作者&#xff1a;Maxim Ivanitskiy of F5 原文链接&#xff1a;无需重启 NGINX 开源版即可实现 SSL/TLS 证书轮换 转载来源&#xff1a;NGINX 开源社区 NGINX 唯一中文官方社区 &#xff0c;尽在 nginx.org.cn 在高性能 Web 服务器领域&#xff0c;NGINX 是一个广受欢迎的…

Django使用

一、根目录下安装 pip install django 二、创建djiango项目 django-admin startproject 项目名称 三、创建app python manage.py startapp app名称 四、启动 python manage.py runserver 五、编写URL与视图关系&#xff0c;相对路径 1、manage.py&#xff08;见资源绑定…

mysql 8 创建用户并赋予改用户指定数据库权限

一、使用客户端工具登录mysql 二、创建用户 -- 低版本数据库 create user 用户名% identified by 密码; -- 高版本数据库 create user 用户名% identified with mysql_native_password by 密码; -- 示例1&#xff1a; create user test% identified with mysql_native_passwor…

apt和apt-get有什么区别

2024年5月15日&#xff0c;周三上午 apt 和 apt-get 都是 Debian 及其衍生版&#xff08;如 Ubuntu&#xff09;中用于软件包管理的工具&#xff0c;但它们之间存在一些差异。 功能和目的&#xff1a; apt 是 apt-get 的改进版本&#xff0c;提供了更简洁和更直观的命令选项。…

多元化、高辨识显示丨基于G32A1445的汽车尾灯解决方案

由刹车灯、倒车灯、转向灯、雾灯等组成的汽车尾灯&#xff0c;既能在光线低暗时发出照明信息&#xff0c;也可向周围环境传递车辆的行驶状态与意图信号&#xff0c;对于行车安全起着至关重要的作用。与传统尾灯相比&#xff0c;贯穿式汽车尾灯更加醒目、美观、安全&#xff0c;…

CSS2(一):CSS选择器

文章目录 1、CSS基础1.1 CSS简介1.2 CSS编写位置1.2.1 行内样式1.2.2 内部样式1.2.3 外部样式1.2.4 样式优先级 1.2.5 CSS代码风格 2、CSS选择器2.1、基本选择器2.1.1 通配选择器2.1.2 元素选择器2.1.3 类选择器2.1.4 ID选择器2.1.5 总结 2.2、CSS复合选择器2.2.1 交集选择器2.…

海外媒体宣发:新加坡.马来西亚如何在海外媒体投放新闻通稿-大舍传媒

导言 随着全球化的进程加速&#xff0c;海外市场对于企业的发展越来越重要。而在海外媒体上宣传企业的新闻通稿&#xff0c;成为了拓展海外市场和提升企业知名度的重要手段之一。本文将介绍大舍传媒对于如何在海外媒体上投放新闻通稿的经验和策略。 准备工作&#xff1a;了解…

Hive 特殊的数据类型 Array、Map、Struct

Array 数组类型&#xff0c;存储数据类型一致的列表数据。 我们可以使用 array 方法来创建一个数组&#xff0c;如下所示&#xff1a; select array(1,2,3,4,5);如果其中的数据类型不一致&#xff0c;那么它会转换成统一的数据类型&#xff08;前提是能够进行转换&#xff0…

力扣HOT100 - 322. 零钱兑换

解题思路&#xff1a; 动态规划 class Solution {public int coinChange(int[] coins, int amount) {int[] dp new int[amount 1];Arrays.fill(dp, amount 1);dp[0] 0;for (int i 1; i < amount; i) {for (int j 0; j < coins.length; j) {if (coins[j] < i) …

word内容wxml转化html标签对照表

1. 标签 w:document document 文档w:bodybody文档的主体w:sectPrsection——w:pp/div段落w:rspan行内元素w:ttext文本w:tbltable表格w:trtr表格行w:tctd单元格w:brbr换行w:hyperlinka超链接w:roundrectdiv/canvas块w:pictimg图片w:inlinespan行元素w:oMathmath公式w:subsub下标…

宠物管理系统带万字文档

文章目录 宠物管理系统一、项目演示二、项目介绍三、19000字论文参考四、部分功能截图五、部分代码展示六、底部获取项目源码和万字论文参考&#xff08;9.9&#xffe5;带走&#xff09; 宠物管理系统 一、项目演示 宠物管理系统 二、项目介绍 基于springbootvue的前后端分离…

如何让Linux系统崩溃?

如何使 Linux 系统崩溃 警告 下面的代码行是 Bash shell 的一个简短而甜蜜的 fork 炸弹。分叉炸弹之所以有效&#xff0c;是因为它能够产生无限数量的进程。最终&#xff0c;Linux无法处理所有这些&#xff0c;并且会崩溃。 fork 炸弹的一大优点是你不需要 root 权限即可执行它…

Vu2之使用provide与inject调用方法案例

Vu2之使用provide与inject调用方法案例 文章目录 Vu2之使用provide与inject调用方法案例1. 祖先组件使用provide提供方法2. 后代组件使用inject注入并调用方法 在Vue 2中&#xff0c;provide和inject是用于在组件之间传递数据的一种高级技术。虽然它们通常用于传递数据&#xf…

【scikit-learn001】逻辑回归(Logistic Regression)ML模型实战及经验总结(更新中)

1.一直以来想写下基于scikit-learn训练AI算法的系列文章&#xff0c;作为较火的机器学习框架&#xff0c;也是日常项目开发中常用的一款工具&#xff0c;最近刚好挤时间梳理、总结下这块儿的知识体系。 2.熟悉、梳理、总结下scikit-learn框架逻辑回归&#xff08;Logistic Regr…

新串口通道打通纪实

在计算机系统中&#xff0c;串口是“古老”的通信方式&#xff0c;和它同时代的“并口”通信方式已经消失了。但它仍然顽强的存活着&#xff0c;主要原因是在开发和调试底层软件时还经常用到串口。 正因为有这样的需求&#xff0c;幽兰代码本是支持串口的&#xff0c;而且有两种…

vue中父子组件如何相互调用方法

Vue 中父子组件如何相互调用方法 在 Vue 中&#xff0c;父子组件可以通过以下方法相互调用方法&#xff1a; 父组件调用子组件方法 通过 props: 父组件向子组件传递一个 prop&#xff0c;该 prop 是一个函数&#xff0c;子组件可以调用它来触发父组件的方法。通过 refs: 父组…