为什么需要复杂度分析
事后统计法:代码跑一遍通过统计、监控,就能得到算法执行的时间和占用的内存大小。
缺点:
- 测试结果依赖环境
- 需要具体的测试数据。
我们需要一个不用具体的测试数据来测试,就可以粗略地估计算法的执行效率的方法。
大O复杂度表示法
所有代码的执行时间 T(n) 与每行代码的执行次数 n 成正比。 即:
其中 代表代码执行时间; 表示数据规模的大小; 表示每行代码执行次数的总和。公式中的 O,表示代码的执行时间 与 表达式成正比。
例子:
int cal(int n) {
int sum = 0;
int i = 1;
int j = 1;
for (; i <= n; ++i) {
j = 1;
for (; j <= n; ++j) {
sum = sum + i * j;
}
}
}
设每个语句的执行时间是unit_time,此时:
这就是大 O 时间复杂度表示法。大 O 时间复杂度实际上并不具体表示代码真正的执行时间,而是表示代码执行时间随数据规模增长的变化趋势,所以,也叫作渐进时间复杂度(asymptotic time complexity),简称时间复杂度。
时间复杂度分析
1. 只关注循环执行次数最多的一段代码
在分析一个算法、一段代码的时间复杂度的时候,只关注循环执行次数最多的那一段代码就可以了。这段核心代码执行次数的 n 的量级,就是整段要分析代码的时间复杂度。
时间复杂度就是 。
2. 加法法则:总复杂度等于量级最大的那段代码的复杂度
总的时间复杂度就等于量级最大的那段代码的时间复杂度。
注意:只要是一个常量的执行时间,与n的规模无关,无论它多大,我们都当做
.
int cal(int n) {
int sum_1 = 0;
int p = 1;
for (; p < 100; ++p) {
sum_1 = sum_1 + p;
}
int sum_2 = 0;
int q = 1;
for (; q < n; ++q) {
sum_2 = sum_2 + q;
}
int sum_3 = 0;
int i = 1;
int j = 1;
for (; i <= n; ++i) {
j = 1;
for (; j <= n; ++j) {
sum_3 = sum_3 + i * j;
}
}
return sum_1 + sum_2 + sum_3;
}
3. 乘法法则:嵌套代码的复杂度等于嵌套内外代码复杂度的乘积
嵌套用乘法法则
int cal(int n) {
int ret = 0;
int i = 1;
for (; i < n; ++i) {
ret = ret + f(i);
}
}
int f(int n) {
int sum = 0;
int i = 1;
for (; i < n; ++i) {
sum = sum + i;
}
return sum;
}
几种常见时间复杂度实例分析
粗略分为:多项式量级和非多项式量级。其中,非多项式量级只有两个:
和
。
1、
O(1) 只是常量级时间复杂度的一种表示方法,并不是指只执行了一行代码。只要代码的执行时间不随n的增大而增长,这样时间代码的复杂度我们都记作 。或者说,**一般情况下,只要算法中不存在循环语句、递归语句,即使有成千上万行代码,其时间复杂度也是 **。
2、 、
对数阶时间复杂度非常常见,同时也是最难分析的一种时间复杂度。
计算一下两个代码的时间复杂度:
(1)
i=1;
while (i <= n) {
i = i * 2;
}
(2)
i=1;
while (i <= n) {
i = i * 3;
}
(1)为
,(2)为
,但实际上,我们把所有对数阶的时间复杂度都记为
。
就等于
,所以
,其中 C=log32 是一个常量。基于我们前面的一个理论:在采用大 O 标记复杂度的时候,可以忽略系数,即
。
3、O(m+n)、O(m*n)
代码的复杂度由两个数据的规模来决定。
int cal(int m, int n) {
int sum_1 = 0;
int i = 1;
for (; i < m; ++i) {
sum_1 = sum_1 + i;
}
int sum_2 = 0;
int j = 1;
for (; j < n; ++j) {
sum_2 = sum_2 + j;
}
return sum_1 + sum_2;
}
m 和 n 是表示两个数据规模,我们无法事先评估 m 和 n 谁的量级大,所以我们在表示复杂度的时候,就不能简单地利用加法法则,省略掉其中一个。上面代码的时间复杂度就是 。
并行结构 嵌套结构
空间复杂度分析
空间复杂度的全称是渐进空间复杂度(asymptotic space complexity),表示算法的存储空间与数据规模之间的增长关系。
参考资料:
数据结构与算法之美(极客时间)链接:
http://gk.link/a/10435
GitHub链接:
https://github.com/lichangke/LeetCode
知乎个人首页:
https://www.zhihu.com/people/lichangke/
CSDN首页:
https://me.csdn.net/leacock1991
欢迎大家来一起交流学习