算法效率的度量和存储空间需求
2007-09-18 16:32
375 查看
一、算法效率的度量
算法执行的时间是算法优劣和问题规模的函数。评价一个算法的优劣,可以在相同的规模下,考察算法执行时间的长短来进行判断。而一个程序的执行时间通常有两种方法:
1、事后统计的方法。
缺点:不利于较大范围内的算法比较。(异地,异时,异境)
2、事前分析估算的方法。
程序在计算机上运行所需时间的影响因素
算法本身选用的策略
问题的规模 规模越大,消耗时间越多
书写程序的语言 语言越高级,消耗时间越多
编译产生的机器代码质量
机器执行指令的速度
综上所述,为便于比较算法本身的优劣,应排除其它影响算法效率的因素。
从算法中选取一种对于所研究的问题来说是基本操作的原操作,以该基本操作重复执行的次数作为算法的时间量度。 (原操作在所有该问题的算法中都相同)
T(n)=O(f(n))
上示表示随问题规模n的增大,算法执行时间的增长率和f(n)的增长率相同,称作算法的渐近时间复杂度,简称时间复杂度。
求4*4矩阵元素和,T(4)=O(f(4))
f=n*n;
sum(int num[4][4])
{ int i,j,r=0;
for(i=0;i<4;i++)
for(j=0;j<4;j++)
r+=num[j]; /*原操作*/
return r;
}
最好情况:
T(4)=O(0)
最坏情况:
T(4)=O(n*n)
ispass(int num[4][4])
{ int i,j;
for(i=0;i<4;i++)
for(j=0;j<4;j++)
if(num[j]!=i*4+j+1)
return 0;
return 1;
}
原操作执行次数和包含它的语句的频度相同。语句的频度指的是该语句重复执行的次数。
语句 频度 时间复杂度
{++x;s=0;} 1 O(1)
for(i=1;i<=n;++i)
{++x;s+=x;}
n O(n)
for(j=1;j<=n;++j)
for(k=1;k<=n;++k)
{++x;s+=x;}
n*n O(n*n)
O(log n)
基本操作的执行次数不确定时的时间复杂度
平均时间复杂度 依基本操作执行次数概率计算平均
最坏情况下时间复杂度 在最坏情况下基本操作执行次数
二、算法的存储空间需求
类似于算法的时间复杂度,空间复杂度可以作为算法所需存储空间的量度。
记作:
S(n)=O(f(n))
若额外空间相对于输入数据量来说是常数,则称此算法为原地工作。
如果所占空间量依赖于特定的输入,则除特别指明外,均按最坏情况来分析。
三、总结
渐近时间复杂度
空间复杂度
算法执行的时间是算法优劣和问题规模的函数。评价一个算法的优劣,可以在相同的规模下,考察算法执行时间的长短来进行判断。而一个程序的执行时间通常有两种方法:
1、事后统计的方法。
缺点:不利于较大范围内的算法比较。(异地,异时,异境)
2、事前分析估算的方法。
程序在计算机上运行所需时间的影响因素
算法本身选用的策略
问题的规模 规模越大,消耗时间越多
书写程序的语言 语言越高级,消耗时间越多
编译产生的机器代码质量
机器执行指令的速度
综上所述,为便于比较算法本身的优劣,应排除其它影响算法效率的因素。
从算法中选取一种对于所研究的问题来说是基本操作的原操作,以该基本操作重复执行的次数作为算法的时间量度。 (原操作在所有该问题的算法中都相同)
T(n)=O(f(n))
上示表示随问题规模n的增大,算法执行时间的增长率和f(n)的增长率相同,称作算法的渐近时间复杂度,简称时间复杂度。
求4*4矩阵元素和,T(4)=O(f(4))
f=n*n;
sum(int num[4][4])
{ int i,j,r=0;
for(i=0;i<4;i++)
for(j=0;j<4;j++)
r+=num[j]; /*原操作*/
return r;
}
最好情况:
T(4)=O(0)
最坏情况:
T(4)=O(n*n)
ispass(int num[4][4])
{ int i,j;
for(i=0;i<4;i++)
for(j=0;j<4;j++)
if(num[j]!=i*4+j+1)
return 0;
return 1;
}
原操作执行次数和包含它的语句的频度相同。语句的频度指的是该语句重复执行的次数。
语句 频度 时间复杂度
{++x;s=0;} 1 O(1)
for(i=1;i<=n;++i)
{++x;s+=x;}
n O(n)
for(j=1;j<=n;++j)
for(k=1;k<=n;++k)
{++x;s+=x;}
n*n O(n*n)
O(log n)
基本操作的执行次数不确定时的时间复杂度
平均时间复杂度 依基本操作执行次数概率计算平均
最坏情况下时间复杂度 在最坏情况下基本操作执行次数
二、算法的存储空间需求
类似于算法的时间复杂度,空间复杂度可以作为算法所需存储空间的量度。
记作:
S(n)=O(f(n))
若额外空间相对于输入数据量来说是常数,则称此算法为原地工作。
如果所占空间量依赖于特定的输入,则除特别指明外,均按最坏情况来分析。
三、总结
渐近时间复杂度
空间复杂度
相关文章推荐
- 数据结构教程 第四课 算法效率的度量和存储空间需求
- 数据结构-算法效率的度量-时间复杂度和空间复杂度
- 算法度量方法——时间复杂度及空间复杂度
- 【数据结构】排序算法时间效率、空间效率以及算法稳定性总结
- 算法的效率的度量方法
- 字符串替换算法(时间、空间效率)
- 第六课、算法效率的度量
- [C语言] 数据结构-算法效率的度量方法-事前分析估算方法
- 算法效率的度量方法,算法时间复杂度、空间复杂度计算
- 人人都来写算法 之 矩阵顺时针旋转90度,空间效率O(1),时间效率O(n*n)
- 数据结构简介和算法效率度量
- 第2章 算法效率的度量方法---《大话数据结构》读书笔记
- 第6课 算法效率的度量
- 第4课 - 程序灵魂的审判,第5课 - 算法的时间复杂度,第6课 - 算法效率的度量
- 数据结构与算法之——两栈共享存储空间
- (1)算法效率的度量
- 算法-效率的度量和函数的渐进增长
- 对一道“写一个算法实现字符串逆序存储,要求不另设串存储空间.”题目的总结!
- 算法效率的度量方法
- mahout demo——本质上是基于Hadoop的分步式算法实现,比如多节点的数据合并,数据排序,网路通信的效率,节点宕机重算,数据分步式存储