关键时刻,第一时间送达! 阅读本文需要5分钟 引言在本系列第1篇《走下神坛吧!算法》中提到了:计算复杂度分为时间复杂度与空间复杂度。本篇文章来讲讲时间复杂度。 如何度量时间复杂度时间复杂度由所消耗的时间决定。所消耗的时间由硬件与软件共同决定。在同一硬件条件下,所消耗的时间由软件决定。 通常意义上的算法指的是软件算法,所以在谈论时间复杂度时,聚焦软件的时间开销。 软件的时间开销 = 软件各组成部分的时间开销之和。 软件最基本的组成部分是语句(或者微观意义下的指令)。 注:因为在同一硬件条件、特定的编程语言环境下,基本语句由多少条指令构成、运行的模式都是固定的,所以直接以语句作为基本考察单位即可。 整体等于各部分之和对大部分编程语言而言,基本语句无外乎以下两种: 1. 读写语句 2. 比较语句 注:条件语句(if-else)、循环语句(while/for)在这里都不算基本语句,而被看作复合语句。 原因如下: 对于条件语句,一般形式如下: // 相当于先运行比较语句 对于循环语句,一般形式如下: (为简单起见,这里只做while的示例,其他循环类型依此来推)
将基本语句的时间开销看作“单位1”,那么整个程序的时间开销就是所有这些“单位1”之和。 推论3.1:假设程序结构L由n个子结构Li组成,即: 那么运行L的整体时间开销T(L)为: T(L) = f(n) 来看几个例子: // 赋值语句、基本语句, 再来看一个复杂一点的:
整个程序结构L由一条赋值语句(记为J)和一个循环体(记为K)组成, 则:L = J + K (式3.1) 循环体K由一条赋值语句X和一个条件语句Y组成,循环次数n在最坏情况下等于buf_size。所以在最坏情况下: K = n(X + Y) (式3.2) 代入式3.1,得到:L = J + n(X+Y) (式3.3) 根据推论3.1,从式3.3可得到: T(L) = T(J) + T(n(X + Y)) = T(J) + nT(X + Y) = T(J) + n(T(X) + T(Y)) (式3.4) 因为J, X为赋值语句,属于基本语句,所以T(J) = T (X) = 1 因为Y为简单条件语句,T(Y) = 2 如果buf_size = 10,那么n = 10 将T(J), T(X), T(Y), n代入式(3.4)得到: T(L) = 1 + 10 x (1+2) = 31 从上面的例子可以看出: (i) n不同,T(L)的值就不同; (ii) n越大,T(L)的值也越大; (iii) n等于buf_size,后者是由输入input_array的规模决定的 所以,可以看出:T(L)与输入规模相关。用数学的语言来描述就是:整体时间开销是一个关于输入规模因子的函数。 用数学表达式表示就是:T(L) = f(n) T= f(n)的现实意义是什么f(n)既然是个函数,那么由高中数学知识可知,f(n)的形式有很多种,如: 不同形式的f(n),在n增加的时候,T增加的速度不同。 每一种f,对应一种算法,所以: 推论3.2:T表示在同等输入规模(即n一定)的情况下,不同算法的时间开销。 T的增加速度越快,对应算法的时间开销越大,也就表示该算法越复杂。 “两种算法的复杂度在一个量级”到底是个什么鬼 考虑考虑 T1=2n和 T2=n 。 很显然,在n固定的情况下, T1/T2=2 。即:同等输入规模下,第一种算法的时间开销是第二种算法时间开销的2倍。 这种复杂度关系总是常数倍的,即使n取无穷大也是。用数学语言表示就是: 从而,我们得到一个关键结论: 推论3.3:两种算法的复杂度在同一量级等价于 其中C是常数 聪明的你肯定会问到:如果n趋向无穷大的时候,T1/T2不是常数呢? 如果不是常数,那么通常是一个关于n的表达式,随着n的增加,值也增加。这表示T1/T2也将趋向无穷大。用数学术语表达就是“发散”。 我们称这种况下,两种算法不在同一复杂度量级。 推论3.4:算法1比算法2的复杂度量级高等价于 大O登场通常比较算法复杂度,只用比较量级即可。量级用O()表示。 O()定义: (i) 如果算法T1与算法T2的复杂度在同一量级,那么O(T1) = O(T2) (ii) 如果算法T1比算法T2的复杂度量级高,那么O(T1) > O(T2) (iii) 如果算法T1比算法T2的复杂度量级低,那么O(T1) < O(T2) 比较T1与T2的复杂度量级: 根据推论3.3得到:T1与T2处于同一复杂度量级。 根据上述O()的定义:O(T1) = O(T2) 这里其实蕴含了一个非常实用的结论: 推论3.5:算法复杂度的大O表示可以简化为该算法最高阶部分的复杂度的大O表示。 根据高等数学知识,我们可以得到: 总结大O表示法最早由德国数论学家保罗·巴赫曼(英语:Paul Bachmann)在其1892年的著作《解析数论》(Analytische Zahlentheorie)首先引入的。 而这个记号则是在另一位德国数论学家艾德蒙·朗道(英语:Edmund Landau)的著作中才推广的,因此它有时又称为朗道符号(Landau symbols)。 大部分的算法或者复杂度理论的书籍,在介绍大O时,要么过于数学形式化,要么过于感性非严格化。 本篇文章旨在用最少的数学知识、启发式行文方式、全新的原创视角,为读者构建一个清晰、严格的时间复杂度概念。 相信看到这里,以后再面对时间复杂度和大O,你一定信心满满了:) |
|
来自: 昵称63027869 > 《算法》