算法时间复杂度
2015-07-21 23:41
302 查看
flyfish 2015-7-21
函数的渐近增长:给定两个函数f(n)和g(n),如果存在一个整数N,使得对于所有的n > N,f(n)总是比g(n)大,那么,我们说f(n)的增长渐近快于g(n)。
算法时间复杂度定义
在进行算法分析时,语句总的执行次数T(n)是关于问题规模n的函数,进而分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度,也就是算法的时间量度,记作:T(n)=O(f(n))。它表示随问题规模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,简称为时间复杂度。其中f(n)是问题规模n的某个函数。 这样用大写O( )来体现算法时间复杂度的记法,我们称之为大O记法。 一般情况下,随着n的增大,T(n)增长最慢的算法为最优算法。
推导大O阶:
1.用常数1取代运行时间中的所有加法常数。
2.在修改后的运行次数函数中,只保留最高阶项。
3.如果最高阶项存在且不是1,则去除与这个项相乘的常数。得到的结果就是大O阶。
常用的时间复杂度所耗费的时间从小到大依次是
O(1) < O(lognlogn) < O(nn) < O(nlognnlogn) < O(n2n^2) < O(n3n^3) < O(2n2^n) < O(n!n!) < O(nnn^n)
以上引用自《大话数据结构》
渐近分析
考虑算法在输入规模趋向无穷时的效率分析就是渐近分析。
渐近分析就是:忽略具体机器、编程或编译器的影响,只观察在输入尺寸n取趋向无穷时算法效率的表现.
O、Ω、Θ表示
O 想象成 ⩽\leqslant 函数的渐近上界
Ω 想象成 ⩾\geqslant 函数的渐近下界
Θ 想象成 == 函数的准确界
以上引用自《算法之道》
Θ(g(n))={f(n)f(n):存在正常数c1,c2c_1,c_2和n0n_0,使对所有的n⩾n0,有0⩽c1g(n)⩽f(n)⩽c2g(n)n\geqslant n_0,有0 \leqslant c_1g(n) \leqslant f(n)\leqslant c_2g(n) }
O(g(n))={f(n)f(n): 存在正常数c和n0n_0,使对所有n⩾n \geqslant n0n_0,有0⩽f(n)⩽cg(n)0 \leqslant f(n) \leqslant cg(n) }
Ω(g(n))={f(n)f(n): 存在正常数c和n0n_0,使对所有n ⩾\geqslant n0n_0,有0⩽cg(n)⩽f(n)0 \leqslant cg(n) \leqslant f(n) }
o(g(n))={f(n)f(n): 对任意正常数c,存在常数n0>0n_0>0,使对所有的n⩾n0n\geqslant n_0,有0⩽f(n)⩽cg(n)0 \leqslant f(n) \leqslant cg(n) }
ω(g(n))={f(n)f(n): 对任意正常数c,存在常数n0>0n_0>0,使对所有的n⩾n0n \geqslant n0,有0⩽cg(n)<f(n)0 \leqslant cg(n) }
以上引用自《算法导论》
Ω : omega 美[o’mɛɡə]希腊字母表的最后一个字
Θ: theta 美[‘θitə] 希蜡字母的第八字
函数的渐近增长:给定两个函数f(n)和g(n),如果存在一个整数N,使得对于所有的n > N,f(n)总是比g(n)大,那么,我们说f(n)的增长渐近快于g(n)。
算法时间复杂度定义
在进行算法分析时,语句总的执行次数T(n)是关于问题规模n的函数,进而分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度,也就是算法的时间量度,记作:T(n)=O(f(n))。它表示随问题规模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,简称为时间复杂度。其中f(n)是问题规模n的某个函数。 这样用大写O( )来体现算法时间复杂度的记法,我们称之为大O记法。 一般情况下,随着n的增大,T(n)增长最慢的算法为最优算法。
推导大O阶:
1.用常数1取代运行时间中的所有加法常数。
2.在修改后的运行次数函数中,只保留最高阶项。
3.如果最高阶项存在且不是1,则去除与这个项相乘的常数。得到的结果就是大O阶。
常用的时间复杂度所耗费的时间从小到大依次是
O(1) < O(lognlogn) < O(nn) < O(nlognnlogn) < O(n2n^2) < O(n3n^3) < O(2n2^n) < O(n!n!) < O(nnn^n)
以上引用自《大话数据结构》
渐近分析
考虑算法在输入规模趋向无穷时的效率分析就是渐近分析。
渐近分析就是:忽略具体机器、编程或编译器的影响,只观察在输入尺寸n取趋向无穷时算法效率的表现.
O、Ω、Θ表示
O 想象成 ⩽\leqslant 函数的渐近上界
Ω 想象成 ⩾\geqslant 函数的渐近下界
Θ 想象成 == 函数的准确界
以上引用自《算法之道》
Θ(g(n))={f(n)f(n):存在正常数c1,c2c_1,c_2和n0n_0,使对所有的n⩾n0,有0⩽c1g(n)⩽f(n)⩽c2g(n)n\geqslant n_0,有0 \leqslant c_1g(n) \leqslant f(n)\leqslant c_2g(n) }
O(g(n))={f(n)f(n): 存在正常数c和n0n_0,使对所有n⩾n \geqslant n0n_0,有0⩽f(n)⩽cg(n)0 \leqslant f(n) \leqslant cg(n) }
Ω(g(n))={f(n)f(n): 存在正常数c和n0n_0,使对所有n ⩾\geqslant n0n_0,有0⩽cg(n)⩽f(n)0 \leqslant cg(n) \leqslant f(n) }
o(g(n))={f(n)f(n): 对任意正常数c,存在常数n0>0n_0>0,使对所有的n⩾n0n\geqslant n_0,有0⩽f(n)⩽cg(n)0 \leqslant f(n) \leqslant cg(n) }
ω(g(n))={f(n)f(n): 对任意正常数c,存在常数n0>0n_0>0,使对所有的n⩾n0n \geqslant n0,有0⩽cg(n)<f(n)0 \leqslant cg(n) }
以上引用自《算法导论》
Ω : omega 美[o’mɛɡə]希腊字母表的最后一个字
Θ: theta 美[‘θitə] 希蜡字母的第八字
相关文章推荐
- 如何在Ubuntu中安装R软件
- Objective-C学习笔记之结构体以及指针
- C#调用斑马打印机打印条码标签(支持COM、LPT、USB、TCP连接方式和ZPL、EPL、CPCL指令)【转】
- Windows 服务入门指南
- 最大重叠区间数目 Maximum number of overlapping intervals
- Java Concurrent
- MySQL group_concat
- 树莓派 小型服务器的搭建
- Linux-uninstall
- 转: 软件版本号的命名
- JSP中的PageContext
- Excel 函数语言 第一个功能实现 附带java实现
- 阿里巴巴产品实习生23天
- Format Cognos Prompt
- PHP数据库连接mysql与mysqli的区别与用法
- 基于C#在WPF中使用斑马打印机进行打印【转】
- Format Cognos Prompt
- 数组和字符串简单练习
- 设计模式_组合模式
- Refueling