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

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…
阅读更多...
【十大排序算法】----C语言版插入排序（详细图解）

【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…
阅读更多...
Django使用

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…
阅读更多...
多元化、高辨识显示丨基于G32A1445的汽车尾灯解决方案

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;…
阅读更多...
CSS2（一）：CSS选择器

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.…
阅读更多...
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

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…
阅读更多...
Hive 特殊的数据类型 Array、Map、Struct

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…
阅读更多...
力扣HOT100 - 322. 零钱兑换

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) …
阅读更多...
宠物管理系统带万字文档

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…
阅读更多...
天软特色因子看板（2024.05 第3期）

天软特色因子看板（2024.05 第3期）

阅读更多...
新串口通道打通纪实

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…
阅读更多...
【现代C++】概念的使用

【现代C++】概念的使用

现代C&#xff08;特别是C20及以后的版本&#xff09;引入了概念&#xff08;Concepts&#xff09;&#xff0c;这是一种指定模板参数必须满足的约束的方式。概念使得模板代码更清晰&#xff0c;更容易理解和使用&#xff0c;并且能在编译时提供更好的错误信息。以下是C概念的关…
阅读更多...
UStaticMesh几何数据相关(UE5.2)

UStaticMesh几何数据相关(UE5.2)

UStaticMesh相关类图 UStaticMesh的数据构成 UStaticMesh的FStaticMeshSourceModel UStaticMesh的Mesh几何元数据来自于FStaticMeshSourceModel&#xff0c; 一级Lod就存在一个FStaticMeshSourceModel. FStaticMeshSourceModel几何数据大致包含以下几类: Vertex(点), VertexI…
阅读更多...
玩转Matlab-Simscape（初级）- 06 - 基于Solidworks、Matlab Simulink、COMSOL的协同仿真（理论部分2）

玩转Matlab-Simscape（初级）- 06 - 基于Solidworks、Matlab Simulink、COMSOL的协同仿真（理论部分2）

** 玩转Matlab-Simscape&#xff08;初级&#xff09;- 06 - 基于Solidworks、Matlab Simulink、COMSOL的协同仿真&#xff08;理论部分2&#xff09; ** 目录 玩转Matlab-Simscape&#xff08;初级&#xff09;- 06 - 基于Solidworks、Matlab Simulink、COMSOL的协同仿真&am…
阅读更多...
风电功率预测 | 基于GRU门控循环单元的风电功率预测（附matlab完整源码)

风电功率预测 | 基于GRU门控循环单元的风电功率预测（附matlab完整源码)

风电功率预测 风电功率预测 | 基于GRU门控循环单元的风电功率预测（附matlab完整源码)完整代码风电功率预测 | 基于GRU门控循环单元的风电功率预测（附matlab完整源码) 完整代码 clc; clear close allX = xlsread(风电场预测.xlsx)
阅读更多...
python数据分析——seaborn绘图2

python数据分析——seaborn绘图2

参考资料&#xff1a;活用pandas库 # 导入库 import pandas as pd import matplotlib.pyplot as plt import seaborn as sns tipspd.read_csv(r"...\seaborn常用数据案例\tips.csv") print(tips.head()) 1、成对关系表示 当数据大部分是数据时&#xff0c;可以使用…
阅读更多...
分享一个基于Qt的Ymodem的上位机(GitHub开源)

分享一个基于Qt的Ymodem的上位机(GitHub开源)

文章目录 1.项目地址2.Ymodem 协议介绍3.文件传输过程4.使用5.SecureCRT 软件也支持Ymodem6.基于PyQt5的Ymodem界面实现案例 1.项目地址 https://github.com/XinLiGH/SerialPortYmodem 基于VS2019 Qt5.15.2 编译&#xff0c;Linux下编译也可以&#xff0c;这里不做说明。 2.…
阅读更多...
Python | Leetcode Python题解之第89题格雷编码

Python | Leetcode Python题解之第89题格雷编码

题目&#xff1a; 题解&#xff1a; class Solution:def grayCode(self, n: int) -> List[int]:ans [0] * (1 << n)for i in range(1 << n):ans[i] (i >> 1) ^ ireturn ans
阅读更多...
如何在云电脑实现虚拟应用—数据分层（应用分层）技术简介

如何在云电脑实现虚拟应用—数据分层（应用分层）技术简介

如何在云电脑实现虚拟应用—数据分层&#xff08;应用分层&#xff09;技术简介 近几年虚拟化市场实现了非常大的发展&#xff0c;桌面虚拟化在企业中应用越来越广泛&#xff0c;其拥有的如下优点得到大量企业的青睐&#xff1a; 数据安全不落地。在虚拟化环境下面数据保存在…
阅读更多...
STL库简介

STL库简介

一、STL库的概念 STL&#xff1a;是C标准库的重要追组成部分&#xff0c;不仅是一个可以复用的组件库&#xff0c;而且还是一个包含了数据结构和算法的软件框架。 二、STL的版本 原始版本 Alexander Stepanov、 Meng Lee 在惠普实验室完成的原始版本&#xff0c; 是一个开源…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023