データ構造 - 時間計算/スペースの複雑さ
A)、複雑さ:
複雑さ:また、プログレッシブ複雑として知られています。
カテゴリー:1)時間複雑。
2)空間的複雑。
時間計算量: T(N)= O(F(N))、コードの実装は実行時間とコードに比例した回数。
T(N):実行時間コード。
F(N):コード実行の数。
N:データのサイズ。
O:トレンド実行時間とデータの増加のコードサイズ。
B)時間複雑分析:
1)、ショートコードまでのサイクル数に関係のみ
T(N)= O(N)
int cal(int n) {
int sum = 0;
int i = 1;
for (; i <= n; ++i) {
sum = sum + i;
}
return sum;
}
2)、さらにルール、T(N)= O(MAX(F(N)、G(N)))
シーン:複数のサイクル: T(N)= O(MAC(F(N)+ G(N ^ 2)))= O(^ N-2)
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)、乗算ルール、O(F(N))* O(G(N))= O(F(N)* G(N))
シーン:ネストされたループ: T(N)= O(F(N)* G(N))
T(N)= O(F(N)* G(N ^ 2))= O(F(N * N ^ 2))= O(F(N ^ 3))
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;
}
スリー)、共通の時間複雑さの例
(1)<O(LOGN)<(N)<(nlogn)<O(N ^ 2)<O(N ^ 3)<O(2 ^ N)
(1):
限りがループ、再帰的なアルゴリズムとして、コードの行数千があるにもかかわらず、時間の複雑さはO(1)です。
O(LOGN):等比数列。
2 ^ 0 ^ 2 1 2 ^ 3 ^ X = N ..... 2、X = LOGN
O(nlogn):
ループネストされたループとLOGN
2つのコードの複雑さは、データのサイズによって決定されるD)
O(M + M)= O(F(M))+ O(G(N))
O(M 、N)= O(F(M)) O(G(N))
宇宙複雑
多くの場合、一般的にO(n)とO(N ^ 2)遭遇した時の複雑さ