首页 > 代码库 > 第六课、算法效率的度量
第六课、算法效率的度量
一、常见的时间复杂度
常见时间复杂度的比较
二、算法分析
定义一个数组
此算法最好的情况时执行一次
而最坏的情况却要执行n次
注意:数据结构课程中,在没有特殊说明时,所分析算法的时间复杂度都是指最坏时间复杂度
三、算法的空间复杂度(space complexity)
(1)、定义:S(n) = S(f(n))
n为算法的问题规模
f(n)为空间使用函数,与n相关
注:推导时间复杂度的方法同样适应空间复杂度
如:当算法所需空间是常数时,空间复杂度为S(1)
(2)、空间复杂度计算练习
四、时间与空间算法策略
(1)、多数情况下,算法的时间复杂度令人关注
(2)、如果有必要,可以通过增加额外空间降低时间复杂度
(3)、同理,也可以通过增加算法的耗时降低空间复杂度
时间换空间的例子
/* 问题: 在一个由自然数1-1000中某些数字所组成的数组中,每个数字可能出现零次或者多次。 设计一个算法,找出出现次数最多的数字。 */ #include <iostream> using namespace std; void search(int a[], int len) //时间复杂度为 O(n) { int sp[1000] = {0}; int max = 0; for(int i=0; i<len; i++) { sp[a[i] - 1]++;//将对应数字的总数按顺序存储起来,如将1的个数存在sp[0]的位置,将2的个数存在sp[1]的位置 } for(int i=0; i<1000; i++) { if( max < sp[i] ) { max = sp[i]; } } for(int i=0; i<1000; i++) { if( max == sp[i] ) { cout << i + 1 << endl;//打印出数量最多的数(不一定只有一个) } } } int main(int argc, char* argv[]) { int a[] = {1, 1, 3, 4, 5, 6, 6, 6, 3, 3}; search(a, sizeof(a)/sizeof(*a)); return 0; }
五、小结
(1)、一般而言,工程中使用的算法,时间复杂度不超过O(n^3)
(2)、算法分析设计时,重点考虑最坏情况下的时间复杂度
(3)、数据结构课程中重点关心算法的时间复杂度
(4)、空间换时间是工程开发中常用的策略
第六课、算法效率的度量
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。