本文探讨了在算法设计中，如何通过计算复杂度来评估不同编程能力的人编写的同一项目的优劣。介绍了空间复杂度和时间复杂度的概念，并讨论了一种特殊的评估方法——渐进复杂度，解释了在数据量极大时，如何忽略不实质改变函数量级的项，进行复杂度的近似计算。
复杂度基本概念
实现同一个比较大的项目时，让不同编程能力的人编写，虽然都能完成。但我们来如何判断他们谁写的好呢？在算法我们使用“计算复杂度”来进行衡量。但它衡量的标准是什么呢？即程序运行时，所以使用的计算内存以及运行时间。在算法的术语中成为空间复杂度和时间复杂度。
但是还有一种复杂度的评估方法，称为渐进复杂度。即当我们在评估一个函数和方法复杂度时，剔除一些不会实质改变函数量级的项，它对应近似值与原函数足够接近，一般都是在数据量非常大的情况。我们看一下面的函数：
我们可以看到当x值非常小时，函数中1000显得比较大；但是，当x>10后中
所占的比重越来越大，而1000则就显得越来越小。所以当数据非常大的时候，
的复杂度计算可近似为计算
的复杂度。
了解更多关于《计算机视觉与图形学》相关知识，请关注公众号：
下载我们视频中代码和相关讲义，请在公众号回复：计算机视觉课程资料
扫一扫
3101
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
