招聘门户网站是什么意思,网站网站做员工犯法吗,海口房产网站建设,wordpress修改title时空复杂度概述 首先o(1), o(n), o(logn), o(nlogn)是用来表示对应算法的时间复杂度,这是算法的时间复杂度的表示。不仅仅用于表示时间复杂度#xff0c;也用于表示空间复杂度。
算法复杂度分为时间复杂度和空间复杂度。其作用#xff1a;
时间复杂度是指执行这个算法所需要…时空复杂度概述 首先o(1), o(n), o(logn), o(nlogn)是用来表示对应算法的时间复杂度,这是算法的时间复杂度的表示。不仅仅用于表示时间复杂度也用于表示空间复杂度。
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这个算法所需要的计算工作量
空间复杂度是指执行这个算法所需要的内存空间 时间和空间都是计算机资源的重要体现而算法的复杂性就是体现在运行该算法时的计算机所需的资源多少时间复杂度的优劣对比 常见的数量级大小越小表示算法的执行时间频度越短则越优
O(1)O(logn)O(n)O(nlogn)O(n2)O(n3)O(2n)//2的n方O(n!)O(nn)//n的n方 O(1)解析 O(1)就是最低的时空复杂度了也就是耗时/耗空间与输入数据大小无关无论输入数据增大多少倍耗时/耗空间都不变。 哈希算法就是典型的O(1)时间复杂度无论数据规模多大都可以在一次计算后找到目标不考虑冲突的话冲突的话很麻烦的指向的value会做二次hash到另外一快存储区域。
通俗易懂的例子
什么是O(1)呢就比如你是一个酒店的管理员你负责管理酒店的钥匙你很聪明你把酒店的100把钥匙放在了100个格子里面存着并且把格子从1~100进行了编号有一天有客人来了酒店老板说给我拿10号房间的钥匙给我你迅速从10号格子里面拿出钥匙给老板速度非常快这时候你就是一个电脑了老板跟你说拿几号房房间的钥匙你只需要看一眼就能知道钥匙在哪里。
O(n)解析 比如时间复杂度为O(n)就代表数据量增大几倍耗时也增大几倍。 比如常见的遍历算法。要找到一个数组里面最大的一个数你要把n个变量都扫描一遍操作次数为n那么算法复杂度是O(n)。链表遍历是典型的例子。
通俗易懂的例子
突然有一天你的老板给你说你用100个箱子存100把钥匙太浪费空间了你能补能把钥匙上编号一下然后把钥匙要用绳子穿起来这样我们可以把这个放箱子的地方再装修一个房间出来。你想了一下是啊现在房价这么贵这样能多赚点钱。所以你就不能通过上面的方法来找到钥匙了老板跟你说给我拿45号房间的钥匙出来你就需要从100个钥匙里面挨个找45个房间的钥匙。
O(n^2) 解析 再比如时间复杂度O(n2)就代表数据量增大n倍时耗时增大n的平方倍这是比线性更高的时间复杂度。比如冒泡排序就是典型的O(n2)的算法对n个数排序需要扫描n×n次。
用冒泡排序排一个数组对于n个变量的数组交换位置n2次数所以复杂度是n2
通俗易懂的例子
随着经济发展越来越好你的老板把酒店扩大了有100层每一层有100个房间你把每一层的钥匙穿在一起然后一共就有100个用绳子穿起来的钥匙串。然后老板叫你找钥匙的时候你先要找到楼层的编号再对应找到房间的编号所以大概对应的是这样的代码。
O(log n)解析 再比如O(log n)当数据增大n倍时耗时增大log n倍这里的log是以2为底的比如当数据增大256倍时耗时只增大8倍是比线性还要低的时间复杂度。二分查找就是O(log n)的算法每找一次排除一半的可能256个数据中查找只要找8次就可以找到目标。
通俗易懂的例子
这个就像是有一百把钥匙你突然觉得我从头找是不是太慢了我从中间找比如我要找到23号的房间钥匙我从中间切开找到50编号的位置然后23在150里面我再把从中间切开变成25然后23在125之间我再切开变成12.5然后23在12.5~25之间依次找下去直到找到钥匙。这种查找钥匙的方法的复杂度就是O(log^n)
O(n log n)解析 O(n log n)同理就是n乘以log n当数据增大256倍时耗时增大256*82048倍。这个复杂度高于线性低于平方。归并排序就是O(n log n)的时间复杂度。
