衡量算法的标准
1. 时间复杂度
算法核心部分大概要执行的次数. 而非执行时间.
为什么不能是执行时间. 是因为1个算法在不同的机器和不同的环境中执行时间可能有巨大的差别.
而什么是核心部分大概要执行的时间?
就是假设算法是1个循环, 那么循环里面的部分被循环执行的次数.
例如1个算法
for (i =0; i <n ;i++){
main_part();
}
他的核心部分main_part() 被执行了n次, 也就是说随着n的增长. 被执行的次数也随着线性增长.
我们可以说这个算法的时间复杂度是 O(n)
而另1个算法
for (i=0; i<n; i++){
for (j=0; j<n;j++{
main_part();
}
}
mian_part() 部分的执行次数随着n的增长而几何级数递增.
时间复杂度就是O(n^2) 通常这是1个很糟糕的算法.
而某个算法完全没有循环部分? 那么它的时间复杂度就是O(1), 通常这个是一个有前置条件的算法.
2. 空间复杂度
算法执行过程中大概所占用的最大内存.
3. 难易程度
就是算法被他人理解的难易程度.
4. 健壮性
遇到非法参数是否容易出错.
通常学习上或者搞研究的话最重要的是前两点. 但是在生产应用中第3点往往更重要. 因为1个大的项目是1个团队合作完成的, 在里面加入只有你自己才能理解的内容实在不是明知的做法.
算法核心部分大概要执行的次数. 而非执行时间.
为什么不能是执行时间. 是因为1个算法在不同的机器和不同的环境中执行时间可能有巨大的差别.
而什么是核心部分大概要执行的时间?
就是假设算法是1个循环, 那么循环里面的部分被循环执行的次数.
例如1个算法
for (i =0; i <n ;i++){
main_part();
}
他的核心部分main_part() 被执行了n次, 也就是说随着n的增长. 被执行的次数也随着线性增长.
我们可以说这个算法的时间复杂度是 O(n)
而另1个算法
for (i=0; i<n; i++){
for (j=0; j<n;j++{
main_part();
}
}
mian_part() 部分的执行次数随着n的增长而几何级数递增.
时间复杂度就是O(n^2) 通常这是1个很糟糕的算法.
而某个算法完全没有循环部分? 那么它的时间复杂度就是O(1), 通常这个是一个有前置条件的算法.
2. 空间复杂度
算法执行过程中大概所占用的最大内存.
3. 难易程度
就是算法被他人理解的难易程度.
4. 健壮性
遇到非法参数是否容易出错.
通常学习上或者搞研究的话最重要的是前两点. 但是在生产应用中第3点往往更重要. 因为1个大的项目是1个团队合作完成的, 在里面加入只有你自己才能理解的内容实在不是明知的做法.