时间和空间复杂度

1.算法效率

  1. **时间效率,**时间效率被称为时间复杂度, 时间复杂度主要衡量的是一个算法的运行速度
  2. 空间效率,空间效率被称为空间复杂度,空间复杂度主要衡量一个算法所需要的额外空间

2.时间复杂度

大O记法

  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. 如果最高阶存在且系数不是 1 ,则去除与这个项相乘的系数
  • 看一些简单的示例理解一下

// 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);
}
执行了 2N+10 次,通过推导大 O 阶方法知道,时间复杂度为 O(N)

// 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);
}
执行了 M+N 次,有两个未知数 M 和 N ,时间复杂度为 O(N+M)

// 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);
}
执行了 100 次,通过推导大 O 阶方法,时间复杂度为 O(1)

// 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;
}
}
}
执行最好 N 次,最坏执行了 (N*(N-1))/2 次,通过推导大 O 阶方法 + 时间复杂度一般看最坏,时间
复杂度为 O(N^2)

// 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;
else
return mid;
}
return -1;
}
时间复杂度为 O(logN)

// 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;
}
操作递归了 N 次,时间复杂度为 O(N) 。

**2.**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

// 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;
}
}
}
使用了常数个额外空间,所以空间复杂度为 O(1)

// 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;
}
动态开辟了 N 个空间,空间复杂度为 O(N)

// 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;
}
3 递归调用了 N 次,开辟了 N 个栈帧,每个栈帧使用了常数个空间。空间复杂度为 O(N)

相关推荐
惊鸿.Jh33 分钟前
【滑动窗口】3254. 长度为 K 的子数组的能量值 I
数据结构·算法·leetcode
爱喝热水的呀哈喽1 小时前
Java 集合 Map Stream流
数据结构
Dovis(誓平步青云)2 小时前
【数据结构】排序算法(中篇)·处理大数据的精妙
c语言·数据结构·算法·排序算法·学习方法
Touper.2 小时前
L2-003 月饼
数据结构·算法·排序算法
SsummerC14 小时前
【leetcode100】每日温度
数据结构·python·leetcode
jingshaoyou14 小时前
Strongswan linked_list_t链表 注释可独立运行测试
数据结构·链表·网络安全·list
逸狼17 小时前
【Java 优选算法】二分算法(下)
数据结构
云 无 心 以 出 岫20 小时前
贪心算法QwQ
数据结构·c++·算法·贪心算法
姜威鱼21 小时前
蓝桥杯python编程每日刷题 day 21
数据结构·算法·蓝桥杯
神里流~霜灭1 天前
蓝桥备赛指南(12)· 省赛(构造or枚举)
c语言·数据结构·c++·算法·枚举·蓝桥·构造