演算法的時間複雜度

演算法的時間複雜度

度量乙個程式(演算法)執行時間的兩種方法

1) 事後統計的方法

這種方法可行, 但是有兩個問題：一是要想對設計的演算法的執行效能進行評測，需要實際執行該程式；

二是所得時間的統計量依賴於計算機的硬體、軟體等環境因素, 這種方式，要在同一臺計算機的相同狀態下執行，才能較那個演算法速度更快。

2) 事前估算的方法

通過分析某個演算法的時間複雜度來判斷哪個演算法更優。

常見的時間複雜度：

常數階 o(1)、對數階 o(log2^n)、線性階 o(n)、線性對數階 o(nlog2^n)、平方階 o(n^2)、立方階 o(n^3)、k 次方階 o(n^k)、

指數階 o(2^n)

說明：

常見的演算法時間複雜度由小到大依次為：ο(1)＜ο(log2^n)＜ο(n)＜ο(nlog2^n)＜ο(n^2)＜ο(n^3)＜ ο(n^k) ＜ο(2^n) ，

隨著問題規模 n 的不斷增大，上述時間複雜度不斷增大，演算法的執行效率越低。

演算法時間複雜度空間複雜度

演算法 是解決某一類問題的通法，即一系列清晰無歧義的計算指令。每個演算法只能解決具有特定特徵的一類問題，但乙個問題可由多個演算法解決。乙個演算法應該有以下五個方面的特性 比較演算法的優劣我們從兩個維度去進行考量 時間 空間 時間複雜度，空間複雜度 找出基本語句 演算法中執行次數最多的那條語句就是基本...

演算法 時間複雜度 空間複雜度

1 if i 1 2 a 1 result 3 4 result n 2 result 1000 1000 3 array.push a array.pop 4 map.set 1,1 map.get 1,1 在計算複雜度的時候，o 1 一般會被忽略。1 for let i 0 i n i 2 wh...

演算法的時間複雜度 空間複雜度

時間複雜度和空間複雜度是度量演算法效率的常用指標 事後統計，不常用 事前統計影響因素 演算法策略 問題規模 程式語言 質量 機器執行指令的速度 撇開軟硬體的影響，演算法執行工作量的大小只依賴於問題的規模 通常用整數n表示 乙個演算法是由控制結構 順序，分支，迴圈三種 和原操作 指固有資料型別的操作 ...