算法的基礎知識
作者:Lina_ACM
時間複雜度:
時間複雜度是指執行算法所需要的計算工作量。
重點在其計算方法:
一個算法中的語句執行次數稱爲語句頻度或時間頻度。記爲T(n)。 一般情況下,算法的基本操作重複執行的次數是模塊n的某一個函數f(n),因此,算法的時間複雜度記做:T(n)=O(f(n))。 在計算時間複雜度的時候,先找出算法的基本操作,然後根據相應的各語句確定它的執行次數,再找出T(n)的同數量級(它的同數量級有以下:1,Log2n ,n ,nLog2n ,n的平方,n的三次方,2的n次方,n!),找出後,f(n)=該數量級,若T(n)/f(n)求極限可得到一常數c,則時間複雜度T(n)=O(f(n))。
在pascal中比較容易理解,容易計算的方法是:看看有幾重for循環,只有一重則時間複雜度爲O(n),二重則爲O(n^2),依此類推,如果有二分則爲O(logn),二分例如快速冪、二分查找,如果一個for循環套一個二分,那麼時間複雜度則爲O(nlogn)。歸併排序就是這樣一種情況。
空間複雜度:
空間複雜度(Space Complexity)是對一個算法在運行過程中臨時佔用存儲空間大小的量度,記做S(n)=O(f(n))。比如直接插入排序的時間複雜度是O(n^2),空間複雜度是O(1) 。而一般的遞歸算法就要有O(n)的空間複雜度了,因爲每次遞歸都要存儲返回信息。
一個算法的空間複雜度只考慮在運行過程中爲局部變量分配的存儲空間的大小,它包括爲參數表中形參變量分配的存儲空間和爲在函數體中定義的局部變量分配的存儲空間兩個部分。
Ex: 遞歸算法,其空間複雜度爲遞歸所使用的堆棧空間的大小,它等於一次調用所分配的臨時存儲空間的大小乘以被調用的次數(即爲遞歸調用的次數加1,這個1表示開始進行的一次非遞歸調用)。算法的空間複雜度一般也以數量級的形式給出。
大O符號:
在算法中代表了無限大趨近。例子如下: from wiki解決一個規模爲 的問題所花費的時間(或者所需步驟的數目)可以表示為:。當 增大時, 項將開始占主導地位,而其他各項可以被 忽略。 舉例說明:當, 項是 項的1000倍大,因此在大多數場合下,省略後者對錶達式的值的影響將是可以忽略不計的。
進一步看,如果我們與任一其他級的表達式比較, 項的係數也是無關緊要的。例如:一個包含 或 項的表達式,即使,假定,一旦 增長到大於 1,000,000,後者就會一直超越前者( )。
這樣,大O符號就記下剩餘的部分,寫作:
-
或
-
並且我們就說該算法具有 階(平方階)的時間複雜度。
遞歸算法:
遞歸算法是一種直接或者間接地調用自身算法的過程。在計算機編寫程序中,遞歸算法對解決一大類問題是十分有效的,它往往使算法的描述簡潔而且易於理解。
判斷: