算法效率的度量

算法效率的度量是通過時間復雜度和空間復雜度來描述的。

時間復雜度

一個語句的頻度是指該語句在算法中被重復執行的次數。算法中所有語句的頻度之和記為T(n)

算法的時間復雜度記為 T(n)= O(fn))

復雜度分析法則

1）單段代碼看高頻：比如循環。
2）多段代碼取最大：比如一段代碼中有單循環和多重循環，那么取多重循環的復雜度。
3）嵌套代碼求乘積：比如遞歸、多重循環等
4）多個規模求加法：比如方法有兩個參數控制兩個循環的次數，那么這時就取二者復雜度相加。

時間復雜度規則
a）加法規則
多項相加，只保留最高階的項，且系數變為1.
b）乘法規則
多項相乘，都保留。

空間復雜度

表示算法的存儲空間與數據規模之間的增長關系。

void print(int n) {int i=0;int[] a = new int[n];for (i; i <n; ++i) {a[i] =i* i;}for(i=n-1;i>=0;--i){print out a[i]} }

跟時間復雜度分析一樣，我們可以看到，第2行代碼中，我們申請了一個空間存儲變量i,但是它是常最階的，跟數據規模n沒有關系，所以我們可以忽略。
第3行申請了一個大小為n的int類型數組，除此之外，剩下的代碼都沒有占用更多的空間，所以整段代碼的空間復雜度就是O(n)。

我們常見的空間復雜度就是O(1)、O(n)、 O(n2), 像O(logn)、O(nlogn) 這樣的對數階復雜度平時都用不到。而且，空間復雜度分析比時間復雜度分析要簡單很多。

總結

以上是生活随笔為你收集整理的【数据结构】之算法效率的度量的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。