【久远讲算法①】什么是时间复杂度
共 2964字,需浏览 6分钟
·
2021-10-10 01:43
“阅读本文大概需要6分钟”
你好,我是久远,今天开始,由我来给大家分享算法以及数据结构的相关知识。
什么是算法
今天我们先来讨论一个问题:什么是算法?
算法是指计算方法么?并不准确。
算法这个名称虽然听着硬核,但是我们换个场景你就会非常熟悉。
小学数学课上,你是不是可以用 3+3+3 或者 3*3 来解决三个三相加这个问题,虽然算的结果都是9,但是中间我们用的方法是不一样的。
假如你今天要做一道菜,你是不是需要菜谱,菜谱上肯定会告诉你,你做这个菜需要什么材料,分几步完成,完成这道菜需要多久。
而我们今天要讲的算法,就是计算机编程界的菜谱,它就是计算机解决问题的方法。用不同的办法去解决同一个问题,结果虽然都一样,但是过程可能千差万别。
正因为计算机解决问题的方法有很多个,我们便要拿标准去衡量,到底哪些算法更好,更适合我们去使用。
时空复杂度
怎么衡量一个算法的好坏呢?
举个现实的例子:
小明和小亮去企业面试,hr要求他们用代码实现一个需求,一天之后,两个人交付了各自的代码,都能实现hr的需求。而只有小明被录用了。这是因为:
小明的代码运行一次花了50ms,内存占用5MB。
而小亮的代码运行一次要花10s,占用内存50MB。
小亮的代码虽然能够实现功能,但是运行时间和内存占用都没有小明的少,自然没有被录用。
所以我们衡量代码的好坏要从时间和空间两个角度去考虑。即:
时间复杂度
空间复杂度
在本文中,我们先讲解空间复杂度。
时间复杂度
我们可以将时间复杂度划分为两个小概念:
基本操作次数 渐进时间复杂度
基本操作次数
我们假设计算机运行一行基础代码执行一次运算。
void T0101(){
System.out.print("hello world!"); //执行一次
}
print("helo world")#执行一次
这个方法需要执行1次运算。
void T0102(int n){
for(int i = 0; i < n; i++){// 再计算for循环外层执行次数 n+1 次
System.out.print("hello world!")//先计算for循环里层执行的次数 n次
}
}
for i in range(n): #再计算for循环外层执行次数 n+1 次
print("hello world!")#先计算for循环里层执行的次数为 n次
上面这个方法需要执行(n+1+n)= 2n+1 次运算。
我们把算法需要执行的运算次数用 输入大小n 的函数表示,即 T(n).
为了估算算法需要的运行时间和简化算法分析,我们引入时间复杂度的概念。
我们再来看几个例子:
,执行次数是线性的。
void T0103(int n){
for(int i = 0; i < n; i++){ // 外层循环n次
System.out.print("一"); //执行一次
System.out.print("二"); //执行一次
System.out.print("三"); //执行一次
}
}
for i in range(n):# 外层循环n次
print("-")#执行一次
print("二")#执行一次
print("三")#执行一次
2. ,执行次数是用对数计算的。
void T0104(int n){
for(int i = n; i>1; i/=2){//观察n与i的运算关系 成对数关系
System.out.println("一");//执行一次
System.out.println("二");//执行一次
System.out.println("三");//执行一次
System.out.println("四");//执行一次
System.out.println("五");//执行一次
}
}
i = n #在这里n代表的是某个特定的数字,如果要进行代码复制,请将n改为指定的数字去运行
while i > 1 :
print("一")#执行一次
print("二")#执行一次
print("三")#执行一次
print("四")#执行一次
print("五")#执行一次
i = i//2
3. , 执行次数是常量。
void T0105(int n){
System.out.println("一");//没有循环次数
System.out.println("二");//只需要输出两次内容执行次数为2
}
print("一")#无循环次数
print("二")#只需要输出两次内容执行的次数为2
,执行次数为幂函数。
void T0106(int n) {
for(int i = 0; i < n; i++) { // 循环次数为 n
for(int j = 0; j < n; j++) {// 循环次数为 n
System.out.println("Hello, World!"); //循环体时间复杂度为 O(1)
}
}
}
for i in range(n):#循环次数n
for j in range(n):#循环次数n
print("hello world")#循环体时间复杂度为O(1)
渐进时间复杂度
现在我们已经有了 T(n) ,是否就可以分析和比较代码的运行时间了呢?不不不,n你还没确定呢。
假设A的执行次数是,算法B执行的次数是 ,这俩谁大就要取决于n了。
因此为了解决这类难题,我们有了渐进时间复杂度的概念。
维基百科的定义如下:
在计算机科学中,算法的时间复杂度是一个函数,它定性描述该算法的运行时间。时间复杂度常用大O符号表述,不包括这个函数的低阶项和首项系数。使用这种方式时,时间复杂度可被称为是渐近的,亦即考察输入值大小趋近无穷时的情况。 维基百科
直白的讲就是,渐进复杂度就是将我们计算的程序的执行次数函数 简化为数量级,例如 、 、 等。
那我们要如何推算出时间复杂度呢?有以下几个原则:
如果运行时间是常数级的(例如:1,2,3,4,6等),则直接用常数1代替表示。 只保留时间函数中的最高阶项。 如果最高阶项存在,则省去最高阶项前面的系数。
例如,如果一个算法对于任何大小为 n (必须比 n0 大)的输入,它至多需要 的时间运行完毕,那么它的渐近时间复杂度是 。
这个推算过程即为:
保留函数中的最高阶项。
即:
最高阶项存在,则省去最高阶项前面的系数。
即:
我们再来复习一下我们刚才看的那几个计算时间函数的例子。
最高阶项为 ,省去3,则转化为的时间复杂度为:
, 最高阶项为 ,省去系数 5,则转化的时间复杂度为:
,只有常数量级,则拿1替换常数,转换后的时间复杂度为:
这四种时间复杂度究竟谁更快,谁更更慢呢?
当 n 足够大时,我们可以得到这样的结论:
<<<
本次我们详细的介绍了时间复杂度的概念。下次我们将引入空间复杂度的概念。
点个公众号关注不迷路。持续更新数据结构讲解以及力扣刷题技巧。
长按识别下方二维码,和众多位岛民一起
把别人的顿悟,变成你的基本功
花半秒钟就看透事物本质的人,
和花一辈子都看不清的人,
注定是截然不同的命运。