(渐进)复杂度分析(上)

本文介绍了复杂度分析的重要性,详细解释了大O复杂度表示法,通过实例分析了常见时间复杂度,如O(1)、O(log n)和O(n),并探讨了非多项式量级算法的效率问题。此外,还概述了空间复杂度的概念,总结了进行复杂度分析的关键点。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

 

https://blog.youkuaiyun.com/qiaobinXU/article/details/83115072

 

数据结构和算法本身解决的是“快”和“省”的问题,即如何让代码运行地更快,如何让代码更省存储空间。所以,执行效率是算法一个非常重要的考量指标。

 

如何衡量你写的代码的执行效率?

时间、空间复杂度分析。

时间复杂度,全称:渐进时间复杂度

空间复杂度,全称:渐进空间复杂度

 

为什么需要复杂度分析?

我们可以通过设计、监控来得到算法执行的时间和占用的内存大小。但是这种统计方法有非常大的局限性。也称作事后统计法。

局限1:测试结果非常依赖测试环境,比如,硬件的不同。

局限2:测试结果受数据规模的影响很大

             比如:对于一个排序算法,待排序数据的有序度不一样,排序的执行时间就会有很大的差别。除此之外,如果测试数据规模太小,测试结果可能无法真实地反映算法的性能。比如,对于小规模的数据排序,插入排序可能反倒会比快速排序要快。

所以,我们需要一个不用具体的测试数据来测试,就可以粗略地估计算法的执行效率的方法。这就是复杂度分析。

 

大O复杂度表示法

评论
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