算法复杂度
2015-09-14 11:04
281 查看
算法复杂度,一般包括时间复杂度和空间复杂度。
通常,我们都是使用“时间复杂度”来指运行时间的需求,使用“空间复杂度”来指空间需求。
当直接让我们求“复杂度”,一般默认是“时间复杂度”
显然,对时间复杂度的追求更是研究算法效率的潮流。
时间复杂度:
对于输入规模n,时间复杂度定义为T(n)=O(f(n)),其中f(n)是一个关于n执行次数(运行时间)函数。f(n)随着n的变化而变化,因此T(n)只与n相关。
常用时间复杂度类型所小号的时间从小到大依次是:
O(1) < O(logn) < O(n) < O(nlogn) < O(n ^ 2) < O(n ^ 3) < O( 2 ^n)
<O(n!) < O(n^n)
![](http://img.blog.csdn.net/20150914110511277?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
大O阶攻略:
1.只考虑n的最高次阶数
2.n前面的系数可以忽略
3.f(n)后的常数可以忽略
比如:O(f(n))其中f(n) = 3n^3 + 2n^2 + 10
其时间复杂度为O(n^3)
空间复杂度
(一般研究计算机算法,没多大必要考虑)
定义:S(n)=O(f(n)),n为问题规模,f(n)为关于n所占存储空间的函数
通常,我们都是使用“时间复杂度”来指运行时间的需求,使用“空间复杂度”来指空间需求。
当直接让我们求“复杂度”,一般默认是“时间复杂度”
显然,对时间复杂度的追求更是研究算法效率的潮流。
时间复杂度:
对于输入规模n,时间复杂度定义为T(n)=O(f(n)),其中f(n)是一个关于n执行次数(运行时间)函数。f(n)随着n的变化而变化,因此T(n)只与n相关。
常用时间复杂度类型所小号的时间从小到大依次是:
O(1) < O(logn) < O(n) < O(nlogn) < O(n ^ 2) < O(n ^ 3) < O( 2 ^n)
<O(n!) < O(n^n)
大O阶攻略:
1.只考虑n的最高次阶数
2.n前面的系数可以忽略
3.f(n)后的常数可以忽略
比如:O(f(n))其中f(n) = 3n^3 + 2n^2 + 10
其时间复杂度为O(n^3)
空间复杂度
(一般研究计算机算法,没多大必要考虑)
定义:S(n)=O(f(n)),n为问题规模,f(n)为关于n所占存储空间的函数
相关文章推荐
- android AbsListView之ListView使用(2)-BaseAdapter
- AI资源
- [转]CENTOS 6.5 配置YUM安装NGINX+服务器负载均衡
- 链表排序
- WPA入门(一) —— 到底为什么这么慢?
- Kernel Kconfig:warning: leading whitespace ignored
- yum update错误Transaction Check Error解决方式
- 谷歌火狐ie使用ajax访问本地文件
- wordpress /wp-content/plugins/wp-symposium/server/php/UploadHandler.php File Arbitrary Upload Vul
- JDBC连接MySQL数据库
- 排序
- LinkedHashMap深入学习
- Http Response Code
- SIM5000简略笔记
- 《Head First Design Pattern》读后感-----设计模式
- scala中的构造器
- HTTP返回状态码合集
- ListView的优化
- UITextField使用总结
- POJ3619解题报告