数据结构&算法 渐进分析

• 

  渐进分析

  算法的渐近分析是指定义其运行时性能的数学边界/框架。使用渐近分析，我们可以很好地得出算法的最佳情况，平均情况和最坏情况。渐进分析是输入范围，即，如果算法没有输入，则得出结论可以在恒定时间内工作。除了“输入”之外，所有其他因素都被认为是恒定的。渐进分析是指以数学计算单位计算任何运算的运行时间。例如，一个操作的运行时间被计算为f(n)，对于另一操作，它的运行时间可能被计算为g(n2)。这意味着随着n的增加，第一操作的运行时间将线性增加，而当n增加时，第二操作的运行时间将呈指数增长。同样，如果n很小，则两个操作的运行时间将几乎相同。

  通常，算法所需的时间分为以下三种：

  • 最佳情况 -程序执行所需的最短时间。
  • 平均情况 -程序执行所需的平均时间。
  • 最坏的情况 -程序执行所需的最长时间。
• 

  渐近符号

  以下是常用的渐近符号来计算算法的运行时间复杂度。

  • Ο表示法
  • Ω表示法
  • θ符号

  Ο表示法

  符号Ο(n)是正式的方式来表达一个算法的运行时间的上界。它测量的是最坏情况下的时间复杂度或算法完成所需的最长时间。

  

  例如，对于函数f(n)

  
  Ο(f(n)) = { g(n): 存在 c>0和n0，使得f(n)≤c。 对于所有n > n0的g(n)。 }
  

  Ω表示法

  Ω(n)是表示算法运行时间下限的形式化方法。它测量最佳情况下的时间复杂度或算法可能花费的最长时间。

  

  例如，对于函数f(n)

  
  Ω(f(n)) ≥ {   g(n)：存在c> 0和n0，使得g(n) ≤c 。  对于所有 n > n0的f(n)。 }
  

  θ符号

  θ(n)表示形式是算法运行时间的下限和上限。它表示如下-

  

  例如，对于函数f(n)

  
  θ(f(n)) = { 当且仅当对于所有n > n0，g(n) = Ο(f(n)) 且 g(n)=Ω(f(n))时，才可以使用g(n) 。 }
  

• 

  常见渐近符号

  以下是一些常见的渐近符号的列表-

  • 常数 − Ο(1)
  • 对数 − Ο(log n)
  • 线性 − Ο(n)
  • n o (log n) log n − Ο(n log n)
  • 平方 − Ο(n²)
  • 立方 − Ο(n³)
  • 多项式 − n^Ο(1)
  • 指数 − 2^Ο(n)