时间复杂度和空间复杂度(转)

时间复杂度

时间复杂度简单的理解就是执行语句的条数。如果有循环和递归,则忽略简单语句,直接算循环和递归的语句执行次数。

比如:

[java] view plain copy

  1. int x = 1;//时间复杂度为O(1)
  2. for(int i=0; i<n; i++) {
  3. System.out.println(i);
  4. }//时间复杂度为O(n)

具体例子:

1、O(1)

[java] view plain copy

  1. int x = 1;

2、O(n)

[java] view plain copy

  1. for(int i=0; i<n; i++) {
  2. System.out.println(i);
  3. }

3、O()

[html] view plain copy

  1. int n = 8, count = 0;;
  2. for(int i=1; i<=n; i *= 2) {
  3. count++;
  4. }

4、

[html] view plain copy

  1. int n = 8, count = 0;;
  2. for(int i=1; i<=n; i++) {
  3. for(int j=1; j<=n; j++) {
  4. count++;
  5. }
  6. }

5、

[java] view plain copy

  1. int n = 8, count = 0;;
  2. for(int i=1; i<=n; i *= 2) {
  3. for(int j=1; j<=n; j++) {
  4. count++;
  5. }
  6. }

所举例子都比较简单。

空间复杂度

空间复杂度也很简单的理解为临时变量占用的存储空间。一个简单例子:

[java] view plain copy

  1. //交换两个变量x和y
  2. int x=1, y=2;
  3. int temp = x;
  4. x = y;
  5. y = temp;

一个临时变量temp,所以空间复杂度为O(1)。

转自:http://blog.csdn.net/qiantujava/article/details/12898461

时间: 2024-08-24 13:16:20

时间复杂度和空间复杂度(转)的相关文章

算法的时间复杂度和空间复杂度

<算法的时间复杂度和空间复杂度合称为算法的复杂度> --->算法的时间复杂度 (1)时间频度 一个算法执行所耗费的时间,从理论上是不能算出来的,必须上机运行测试才能知道.但我们不可能也没有必要对每个算法都上机测试,只需知道哪个算法花费的时间多,哪个算法花费的时间少就可以了.并且一个算法花费的时间与算法中语句的执行次数成正比例,哪个算法中语句执行次数多,它花费时间就多.一个算法中的语句执行次数称为语句频度或时间频度.记为T(n). (2)时间复杂度 在刚才提到的时间频度中,n称为问题的规模

算法时间复杂度和空间复杂度详解

算法的时间复杂度和空间复杂度合称为算法的复杂度. 1.时间复杂度 (1)时间频度 一个算法执行所耗费的时间,从理论上是不能算出来的,必须上机运行测试才能知道.但我们不可能也没有必要对每个算法都上机测试,只需知道哪个算法花费的时间多,哪个算法花费的时间少就可以了.并且一个算法花费的时间与算法中语句的执行次数成正比例,哪个算法中语句执行次数多,它花费时间就多.一个算法中的语句执行次数称为语句频度或时间频度.记为T(n). (2)时间复杂度 在刚才提到的时间频度中,n称为问题的规模,当n不断变化时,时

数据结构和算法之时间复杂度和空间复杂度

前言 上一篇<数据结构和算法>中我介绍了数据结构的基本概念,也介绍了数据结构一般可以分为逻辑结构和物理结构.逻辑结构分为集合结构.线性结构.树形结构和图形结构.物理结构分为顺序存储结构和链式存储结构.并且也介绍了这些结构的特点.然后,又介绍了算法的概念和算法的5个基本特性,分别是输入.输出.有穷性.确定性和可行性.最后说阐述了一个好的算法需要遵守正确性.可读性.健壮性.时间效率高和存储量低.其实,实现效率和存储量就是时间复杂度和空间复杂度.本篇我们就围绕这两个"复杂度"展开

算法时间复杂度和空间复杂度

一.时间复杂度 在进行算法分析时,语句总的执行次数T(n)是关于问题规模n的函数,今儿分析T(n)随n的变化情况并确定T(n)的数量.算法的时间复杂度,也就是算法的时间量度,T(n)=O(f(n)), 它表示随问题规模n的增大,算法执行时间的增长率和f(n)的增长率相同,称作算法的渐近时间复杂度,简称时间复杂度.其中f(n)是问题规模n的某个函数. O(1) 常数阶 O(n) 线性阶 O(n2)  平方阶 1.推导大O阶方法 用常数1取代运行时间总的所有加法常数 在修改后的运行次数函数中,只保留

算法的复杂度包括时间复杂度和空间复杂度分别如何计算?

一 .时间复杂度 一.概念 时间复杂度是总运算次数表达式中受n的变化影响最大的那一项(不含系数) 比如:一般总运算次数表达式类似于这样: a*2n+b*n3+c*n2+d*n*lg(n)+e*n+f a ! =0时,时间复杂度就是O(2n); a=0,b<>0 =>O(n3); a,b=0,c<>0 =>O(n2)依此类推 例子: (1) for(i=1;i<=n;i++) //循环了n*n次,当然是O(n2) for(j=1;j<=n;j++) s++;

php算法基础----时间复杂度和空间复杂度

算法复杂度分为时间复杂度和空间复杂度. 其作用: 时间复杂度是指执行算法所需要的计算工作量: 而空间复杂度是指执行这个算法所需要的内存空间. (算法的复杂性体现在运行该算法时的计算机所需资源的多少上,计算机资源最重要的是时间和空间(即寄存器)资源,因此复杂度分为时间和空间复杂度). 简单来说,时间复杂度指的是语句执行次数,空间复杂度指的是算法所占的存储空间 时间复杂度 计算时间复杂度的方法: 用常数1代替运行时间中的所有加法常数 修改后的运行次数函数中,只保留最高阶项 去除最高阶项的系数 按数量

时间复杂度和空间复杂度

参考博文:http://blog.csdn.net/xiaoxiaopengbo/article/details/51583386 1.时间频度:一个算法执行所消耗的时间.理论上要进行上机测试,但是实际上只需要知道那个算法消耗时间少,那个算法消耗时间多.算法花费时间和执行次数正比(???万一某条语句很耗时间,而另一条语句不耗时间呢?),那个算语句执行次数多,花费时间就越多. 一个算法中语句执行次数称为语句频度或时间频度,记为记为T(n).(用次数反映时间??) 2.时间复杂度:在刚才提到的时间频

一 数据结构的概念,时间复杂度和空间复杂度

一. 什么是数据结构: 对到底什么是数据结构这个概念,一直有很多不同的解释,也有许多不同的争论,这里只代表了我个人的认识. 数据结构:我们如何把现实中大量而复杂的问题以特定的数据类型和特定的存储结构保存到主存储器(内存)中,以及在此基础上为实现某 个功能(比如查找某个元素,删除某个元素等)而执行的相应操作,这个相应的操作也叫做算法. 1.算法的实现是依据不同的数据结构的. 2.算法:是对特定问题求解步骤的一种描述,以下特征:有穷性,确定性,可行性,输入和输出: 二. 时间复杂度和空间复杂度: (

[算法技术]算法的时间复杂度与空间复杂度

1.时间复杂度 算法的时间复杂度是衡量一个算法效率的基本方法.在阅读其他算法教程书的时候,对于算法的时间复杂度的讲解不免有些生涩,难以理解.进而无法在实际应用中很好的对算法进行衡量.            <大话数据结构>一书在一开始也针对算法的时间复杂度进行了说明.这里的讲解就非常明确,言简意赅,很容易理解.下面通过<大话数据结构>阅读笔记的方式,通过原因该书的一些简单的例子和说明来解释一下算法的时间复杂度和它的计算方法.          首先从基本定义下手,来了解一下什么是“

算法的时间复杂度和空间复杂度合称为算法的复杂度

算法的时间复杂度和空间复杂度合称为算法的复杂度. 1.时间复杂度 (1)时间频度 一个算法执行所耗费的时间,从理论上是不能算出来的,必须上机运行测试才能知道.但我们不可能也没有必要对每个算法都上机测试,只需知道哪个算法花费的时间多,哪个算法花费的时间少就可以了.并且一个算法花费的时间与算法中语句的执行次数成正比例,哪个算法中语句执行次数多,它花费时间就多.一个算法中的语句执行次数称为语句频度或时间频度.记为T(n). (2)时间复杂度 在刚才提到的时间频度中,n称为问题的规模,当n不断变化时,时