-
Un algoritmo buena para asegurar los requisitos de rendimiento y baja memoria. Cuando la eficiencia del tiempo de ejecución del algoritmo, la demanda de capacidad de almacenamiento es el espacio máximo de almacenamiento durante la ejecución del algoritmo necesario. Esto es una medida de la eficiencia del algoritmo es descrito por los grados de complejidad de tiempo y la complejidad espacial.
-
Una declaración de frecuencia es el número de veces que se ejecuta la sentencia en el algoritmo, y la complejidad del tiempo es el análisis de la frecuencia y la magnitud de todas las declaraciones.
-
N es el tamaño del algoritmo problema, la complejidad de tiempo de n relacionados.
-
Entonces, ¿por la complejidad temporal del algoritmo para calcular de antemano? Algunos problemas no pueden ser calculados después del evento, como algoritmo de control de misiles. Y hay varios otros factores que afectan el costo de tiempo: ① rendimiento de la máquina. ② Lenguaje de Programación (el más avanzado es el disminuir la eficiencia del lenguaje de implementación). ③ instrucciones de máquina que genera el compilador de calidad. No podemos dejar que el algoritmo de ejecutar en primer lugar, a continuación, la sobrecarga de tiempo estadístico.
-
Ejemplos de tiempo de cálculo complejidad
loveyou void {
int i = 1;.
El tiempo (I <= n) {
I ++;
printf ( "el amor Te% D \ n", I);
}
printf ( "Te Amo Más than% D \ n", I);
}
tiempo de complejidad del algoritmo es la forma más primitiva de determinar el número de veces que cada sentencia. Aparentemente 1+ (n + 1) + ( n) + (n) + 1 = 3n + 3 [paréntesis, se llevan a cabo con el fin de distinguir que es el número de estados] -
El algoritmo anterior es demasiado simple, se puede utilizar un método de calcular un comunicado. Y, a menudo decenas de miles cara de líneas de líneas de código en el proceso de desarrollo, debería ser cómo calcularlo?
Los dos siguientes reglas del programa de análisis de tiempo complejidad
reglas de adición ①: la adición de un número, sólo los mayoría de los artículos, y se convierte en un factor. T (n-) = Tl (n-) + T2 (n-) = O (F (n-)) + O (G (n-)) = O (max (F (n-), G (n-)))
② regla del producto: multiplicando el número de reservas son
T (n) = T1 (n ) XT2 (n) = O (f (n)) + O (g (n)) = O (f (n) xg (n))
la comparación de la magnitud El método, en general:
(! n-) O (. 1) <O (log2N) <O (n-) <O (nlong2n) <O (N $ ² $) <O (N $ ³ $) <O (2ⁿ) <O <O (nⁿ ) [orden] se refiere a menudo al poder -
Por el razonamiento anterior, se comprueba término constante es insignificante, y el orden de ejecución del código ejecutado término constante sólo una vez, también generada. Análisis calculado de manera que la complejidad del tiempo para recoger un solo ciclo de la operación básica. También una pieza de código en el programa (sin reciclar) no afecta a la complejidad del tiempo. Si hay circulación de capas múltiples, apenas más profunda preocupación.
-
Algunos eventos no son la complejidad de tiempo de tiempo de cálculo, es necesario determinar el mejor y el peor de los casos, y en el caso promedio, respectivamente.
-
Paso complejidad computacional con respecto al tiempo: ① la operación básica para encontrar un (bucle más interior). Relación ② entre el número de ejecuciones n t y el tamaño del problema de las operaciones básicas, dibujar t = f (n). ③ comparación magnitud, eliminando el término constante y los coeficientes, es decir, para obtener tiempo de complejidad O (n).
-
Espacio de la complejidad: el espacio de almacenamiento algoritmo consume.
S (n) = O (g (n)) -
Una necesidad de almacenar instrucciones de programa cuando se ejecuta por sí solo, constantes, variables, y la unidad de entrada de datos de las operaciones de trabajo sobre los datos, y similares. Por lo tanto, los datos de entrada pertenece al espacio ocupado por el problema en sí, independientemente del algoritmo, por lo que el análisis del espacio de complejidad sólo espacio adicional, además de la entrada y procedimientos. complejidad espacio todavía sigue las reglas de las reglas de suma y multiplicación.
