Java

数据结构之排序算法

2019-06-05  本文已影响2人  smallmartial

1.排序算法介绍

1559721161482.png

2.算法的时间复杂度

2.1度量一个程序(算法)执行时间的两种方法

2.2时间频度

2.3时间复杂度

2.4常见的时间复杂度

1559733227883.png

上述代码在执行的时候,它消耗的时候并不随着某个变量的增长而增长,那么无论这类代码有多长,即使有几万几十万行,都可以用O(1)来表示它的时间复杂度。

1559733246848.png

说明:在while循环里面,每次都将 i 乘以 2,乘完之后,i 距离 n 就越来越近了。假设循环x次之后,i 就大于 2 了,此时这个循环就退出了,也就是说 2 的 x 次方等于 n,那么 x = log2n也就是说当循环 log2n 次以后,这个代码就结束了。因此这个代码的时间复杂度为:O(log2n) 。 O(log2n) 的这个2 时间上是根据代码变化的,i = i * 3 ,则是 O(log3n) .

1559733326701.png

说明:这段代码,for循环里面的代码会执行n遍,因此它消耗的时间是随着n的变化而变化的,因此这类代码都可以用O(n)来表示它的时间复杂度

1559733411678.png

说明:线性对数阶O(nlogN) 其实非常容易理解,将时间复杂度为O(logn)的代码循环N遍的话,那么它的时间复杂度就是n *O(logN),也就是了O(nlogN)

说明:平方阶O(n²) 就更容易理解了,如果把 O(n) 的代码再嵌套循环一遍,它的时间复杂度就是
O(n²),这段代码其实就是嵌套了2层n循环,它的时间复杂度就是O(nn),即O(n²) 如果将其中一层循环的n改成m,那它的时间复杂度就变成了O(mn)

1559733088610.png

常见的算法时间复杂度由小到大依次为:Ο(1)<Ο(log2n)<Ο(n)<Ο(nlog2n)<Ο(n2)<Ο(n3)< Ο(nk) <Ο(2n) ,随着问题规模n的不断增大,上述时间复杂度不断增大,算法的执行效率越低
从图中可见,我们应该尽可能避免使用指数阶的算法

2.5平均时间复杂度和最坏时间复杂度

1559733617145.png

3.算法的空间复杂度简介

上一篇 下一篇

猜你喜欢

热点阅读