标签:complex 常见 维度 统计 依赖 忽略 复杂度 second lis
算法是用于解决特定问题的一系列的执行步骤;
使用不同的算法,解决同一个问题,效率可能相差很大;
比如:求第 n 个斐波那契数 (fibonacci number)
// 方法1 public static int fib1(int n) { if (n <= 1) { return 1; } return fib1(n - 1) + fib1(n - 2); } ? // 方法2 public static int fib2(int n) { if (n <= 1) { return 1; } int first = 0; int second = 1; for (int i = 0; i < n - 1; i++) { int sum = first + second; first = second; second = sum; } return second; }
如何判断一个算法的好坏?
如果单从执行效率上进行评估,可能会想到这么一种方案
比较不同算法对同一组输入的执行处理时间
这种方案也叫做:事后统计法;
上述方案有比较明显的缺点
执行时间严重依赖硬件以及运行时各种不确定的环境因素;
必须编写相应的测算代码;
测试数据的选择比较难保证公正性;
一般从以下维度评估算法的优劣
正确性、可读性、健壮性(对不合理的输入的反应能力和处理能力)
时间复杂度(time complexity):估算程序的执行次数(执行时间);
空间复杂度(space complexity):估算所需占用的存储空间;
大 O 表示法:
一般用大 O 表示法来描述复杂度,他表示的是数据规模 n 对应的复杂度;
忽略常数、系数、低阶;
注意:大 O 表示法仅仅是一种粗略的分析模型,是一种估算,能帮助我们短时间内了解一个算法的执行效率;
常见的复杂度:
fib 函数的时间复杂度分析:
标签:complex 常见 维度 统计 依赖 忽略 复杂度 second lis
原文地址:https://www.cnblogs.com/lililixuefei/p/13186157.html