大O演算法複雜度表示
常見的 排序演算法的時間複雜度:
氣泡排序、插入排序、希爾排序、選擇排序的時間複雜度是O(n^2);
快速排序的時間複雜度是 O(n * log n);
空間複雜度:
氣泡排序、插入排序、希爾排序、選擇排序的空間複雜度是O(1);
快速排序的空間複雜度是 O(log n);
常見的 查詢演算法的時間複雜度:
線性結構的查詢的時間複雜度,如 二分查詢(用於已經排好序的資料,如已序的陣列);O(n)
非線性結構的查詢的時間複雜度,如 二叉查詢樹 ;O(log n)
排序類別 時間複雜度 空間複雜度 穩定
1 插入排序 O(n2) O(1) √
2 希爾排序 O(n2) O(1)
3 氣泡排序 O(n2) O(1) √
4 選擇排序 O(n2) O(1) ×
5 快速排序 O(Nlogn) O(logn) ×
6 堆排序 O(Nlogn) O(1) ×
7 歸併排序 O(Nlogn) O(n) √
氣泡排序、插入排序、歸併排序是穩定的,演算法時間複雜度是O(n ^2);
選擇排序、快速排序、堆排序、希爾排序都是不穩定的;
一、 時間複雜度定義
定義:如果一個問題的規模是n,解這一問題的某一演算法所需要的時間為T(n),它是n的某一函式T(n)稱為這一演算法的“時間複雜性”。
當輸入量n逐漸加大時,時間複雜性的極限情形稱為演算法的“漸近時間複雜性”。
二、大O表示法
我們常用大O表示法表示時間複雜性,注意它是某一個演算法的時間複雜性。大O表示只是說有上界,由定義如果f(n)=O(n),那顯然成立f(n)=O(n^2),它給你一個上界,但並不是上確界,但人們在表示的時候一般都習慣表示前者。此外,一個問題本身也有它的複雜性,如果某個演算法的複雜性到達了這個問題複雜性的下界,那就稱這樣的演算法是最佳演算法。
“大O記法" :在這種描述中使用的基本引數是n,即問題例項的規模,把複雜性或執行時間表達為n的函式。這裡的“O”表示量級(order),比如說“二分檢索是O(logn)的”,也就是說它需要“通過logn量級的步驟去檢索一個規模為n的陣列”記法O ( f(n) )表示當n增大時,執行時間至多將以正比於f(n)的速度增長。
這種漸進估計對演算法的理論分析和大致比較是非常有價值的,但在實踐中細節也可能造成差異。例如,一個低附加代價的O(n2)演算法在n較小的情況下可能比一個高附加代價的O(nlogn)演算法執行得更快。當然,隨著n足夠大以後,具有較慢上升函式的演算法必然工作得更快。
O(1)
Temp=i;i=j;j=temp;
以上三條單個語句的頻度均為1,該程式段的執行時間是一個與問題規模n無關的常數。演算法的時間複雜度為常數階,記作T(n)=O(1)。如果演算法的執行時間不隨著問題規模n的增加而增長,即使演算法中有上千條語句,其執行時間也不過是一個較大的常數。此類演算法的時間複雜度是O(1)。
O(n^2)
2.1.交換i和j的內容
sum=0; (一次)
for(i=1;i<=n;i++) (n次)
for(j=1;j<=n;j++)(n^2次)
sum++; (n^2次)
解:T(n)=2n^2+n+1 =O(n^2)
2.2.
for (i=1;i<n;i++)
{
y=y+1; ①
for (j=0;j<=(2*n);j++)
x++; ②
}
解: 語句1的頻度是n-1
語句2的頻度是(n-1)*(2n+1)=2n^2-n-1
f(n)=2n^2-n-1+(n-1)=2n^2-2
該程式的時間複雜度T(n)=O(n^2).
O(n)
2.3.
a=0;
b=1; ①
for (i=1;i<=n;i++)②
{
s=a+b; ③
b=a; ④
a=s; ⑤
}
解: 語句1的頻度:2,
語句2的頻度:n,
語句3的頻度:n-1,
語句4的頻度:n-1,
語句5的頻度:n-1,
T(n)=2+n+3(n-1)=4n-1=O(n).
O(log2n )
2.4.
i=1; ①
while (i<=n)
i=i*2;②
解:語句1的頻度是1,
設語句2的頻度是f(n), 則:2^f(n)<=n;f(n)<=log2n
取最大值f(n)= log2n,
T(n)=O(log2n )
O(n^3)
2.5.
for(i=0;i<n;i++)
{
for(j=0;j<i;j++)
{
for(k=0;k<j;k++)
x=x+2;
}
}
解:當i=m, j=k的時候,內層迴圈的次數為k當i=m時, j可以取0,1,...,m-1 , 所以這裡最內迴圈共進行了0+1+...+m-1=(m-1)m/2次所以,i從0取到n,則迴圈共進行了: 0+(1-1)*1/2+...+(n-1)n/2=n(n+1)(n-1)/6所以時間複雜度為O(n^3).
我們還應該區分演算法的最壞情況的行為和期望行為。
如快速排序的最壞情況執行時間是O(n^2),但期望時間是O(nlogn)。通過每次都仔細地選擇基準值,我們有可能把平方情況(即O(n^2)情況)的概率減小到幾乎等於0。在實際中,精心實現的快速排序一般都能以(O(nlogn)時間執行。
三、圖例
資料結構操作:
陣列排序演算法:
圖操作:
堆操作:
大o複雜度圖表: