1

常见的时间复杂度

image.png

常见时间复杂度的比较

image.png

当算法的时间复杂度为 O(2n)(n为指数),O(n!),或O(nn)(n为指数)时,即使n的值很小,实际的程序运行时间也是不可接收的。


算法的最好与最坏情况

意义:当算法在最坏情况下仍然能满足需求时,可以推断,算法的最好情况和平均情况都能满足需求。

算法分析示例
int find(int a[], int n, int v)
{
    int ret = -1;
    
    for (int i=0; i<n; ++i)
    {
        if (a[i] == v)
        {
            ret = i;
            break;
        }
    }
    
    return ret;
}

int main()
{
    int arr[5] = {1,2,3,4,5};

    int min = find(arr, 5, 1);  // 最好情况,执行1次循环,O(1)
    
    int max = find(arr, 5, 5);  // 最坏情况,执行n次循环,O(n)
} 

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。

算法的空间复杂度(Space Complexity)

  • 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

推导时间复杂度的方法同样适用于空间复杂度
例如:
当算法所需要的空间是常数时,空间复杂度为S(1)

空间复杂度计算练习

long sum1(int n)                // 1
{
    long ret = 0;               // 1
    int *array = new int[n];    // n
    
    for (int i=0; i<n; ++i)     // 1
    {
        array[i] = i + 1;
    }
    
    for (int i=0; i<n; ++i)     // 1
    {
        ret += array[i];
    }
    
    delete[] array;
    
    return ret;
}

所需的单元内存: n + 4
空间复杂度:S(n+4) = S(n)

空间与时间的策略

  • 多数情况下,算法的时间复杂度更令人关注
  • 如果有必要,可以通过增加额外空间降低时间复杂度
  • 同理,可以通过增加算法的耗时降低空间复杂度

以上策略的依据:当前硬件的发展速度超过了软件的发展速度

实例分析:空间换时间

/*
    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)     // O(n)
{
    int sp[1000] = {0};
    int max = 0;
    
    for(int i=0; i<len; i++)
    {
        sp[a[i] - 1]++;
    }
    
    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;
        }
    }
}

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;
}

输出:

3
6

面试题

当两个算法的大O表示法相同时,是否意味着两个算法的效率完全相同?

答:只能说效率同等级别,不能说完全相同。因为大O表示法只关注操作数量的最高次项

小结

  • 一般而言,工程中使用的算法,时间复杂度不超过O(n3)(3为指数)
  • 算法分析与设计时,重点考虑最坏情况下的时间复杂度
  • 数据结构课程终重点关注算法的时间复杂度
  • 大O表示法同样适用于空间复杂度
  • 空间换时间是工程中常用的策略

以上内容整理于狄泰软件学院系列课程,请大家保护原创!


TianSong
734 声望138 粉丝

阿里山神木的种子在3000年前已经埋下,今天不过是看到当年注定的结果,为了未来的自己,今天就埋下一颗好种子吧