计算时间和空间复杂度

 

计算时间和空间复杂度

分类: C++学习 461人阅读 评论(0) 收藏 举报

1> 时间复杂度指的是所有语句的执行频度之和,它一般由嵌套最深地语句频度决定.

        比如单重循环就是O(n),双重循环就是O(n^2),依此类推……

2>空间复杂度指的是运行时临时占用的存储空间大小.   

        主要是看运行程序时临时变量的数目和数据规模之间的关系。

        注意,关于O(1)的问题!!

        O(1)是说数据规模和临时变量数目无关,并不是说仅仅定义一个临时变量。举例:无论数据规模多大,我都定义100个变量,这就叫做数据规模和临时变量数目无关。就是说空间复杂度是O(1).

 

他们都是指示函数运行时处理数据的规模与空间和时间的一个变化时的比例关系。不是具体的数值!

 

1>>

int i;
for(i=0;i<n;i++)
i++;

时间复杂度是O(n),空间复杂度是O(1);

 

2>>

 

int i;

int j;

int k;  
for(i=0; i<n; i++)

for(j=0; j<i; j++)

for(k=0; k<j; k++)  
;

时间复杂度是O(n^3),空间复杂度还是O(1);

### 回答问题 计算时间复杂度空间复杂度是分析算法性能的重要部分。以下是详细解释。 --- #### 时间复杂度 时间复杂度描述了算法运行时间与输入规模之间的关系。通常用大O符号表示。 1. **常数时间操作**:如果一个算法的执行步骤不随输入规模变化,其时间复杂度为 $ O(1) $。 2. **线性时间操作**:如果算法的执行步骤与输入规模成正比,其时间复杂度为 $ O(n) $。 3. **平方时间操作**:如果算法的执行步骤与输入规模的平方成正比,其时间复杂度为 $ O(n^2) $。 4. **对数时间操作**:如果算法每次将问题规模减半(如二分查找),其时间复杂度为 $ O(\log n) $。 5. **线性对数时间操作**:如果算法在每层递归中处理所有元素,并且递归深度为 $ \log n $,其时间复杂度为 $ O(n \log n) $。 以下是一个示例代码及其时间复杂度分析: ```python def example_function(n): total = 0 # O(1) for i in range(n): # O(n) for j in range(n): # O(n) total += 1 # O(1) return total # O(1) # 总时间复杂度: O(n * n) = O(n^2) ``` 上述代码中: - 外层循环执行 $ n $ 次。 - 内层循环也执行 $ n $ 次。 - 每次循环内执行的操作为常数时间 $ O(1) $。 - 因此总的时间复杂度为 $ O(n^2) $。 --- #### 空间复杂度 空间复杂度描述了算法所需的额外存储空间与输入规模之间的关系。 1. **常数空间复杂度**:如果算法只使用固定数量的额外变量,其空间复杂度为 $ O(1) $。 2. **线性空间复杂度**:如果算法需要为每个输入元素分配额外空间,其空间复杂度为 $ O(n) $。 3. **递归空间复杂度**:递归调用栈的深度决定了空间复杂度。 以下是一个递归函数的空间复杂度分析: ```python def factorial(n): if n == 0: return 1 # O(1) else: return n * factorial(n - 1) # O(n) # 总空间复杂度: O(n),因为递归深度为 n ``` 上述代码中: - 每次递归调用都会占用一定的栈空间。 - 递归深度为 $ n $,因此空间复杂度为 $ O(n) $。 --- ### 示例代码及解释 以下是一个快速排序的实现及其时间复杂度空间复杂度分析: ```python def quick_sort(arr): if len(arr) <= 1: # O(1) return arr pivot = arr[len(arr) // 2] # O(1) left = [x for x in arr if x < pivot] # O(n) middle = [x for x in arr if x == pivot] # O(n) right = [x for x in arr if x > pivot] # O(n) return quick_sort(left) + middle + quick_sort(right) # 递归调用 # 时间复杂度分析: # 最优情况:每次划分均匀,递归深度为 log(n),每层比较次数为 n,总时间为 O(n log n)。 # 最差情况:每次划分极不均匀(如已排序数组),递归深度为 n,总时间为 O(n^2)。 # 平均情况:O(n log n)。 # 空间复杂度分析: # 快速排序是原地排序算法,但递归调用栈会占用额外空间。 # 最优情况:递归深度为 log(n),空间复杂度为 O(log n)。 # 最差情况:递归深度为 n,空间复杂度为 O(n)。 ``` 上述代码中: - `quick_sort` 函数通过递归实现快速排序。 - 在最优情况下,每次划分均匀,递归深度为 $ \log n $,每层比较次数为 $ n $,总时间为 $ O(n \log n) $。 - 在最差情况下,每次划分极不均匀(如已排序数组),递归深度为 $ n $,总时间为 $ O(n^2) $。 - 空间复杂度由递归调用栈决定,最优情况下为 $ O(\log n) $,最差情况下为 $ O(n) $。 --- ###
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值