演算法復雜度圖

1. 演算法的時間復雜度是指什麼

就是對演算法執行時所花時間的度量。一般為問題規模的函數。

計算機科學中，演算法的時間復雜度是一個函數，它定量描述了該演算法的運行時間。這是一個關於代表演算法輸入值的字元串的長度的函數。時間復雜度常用大O符號表述，不包括這個函數的低階項和首項系數。使用這種方式時，時間復雜度可被稱為是漸近的，它考察當輸入值大小趨近無窮時的情況。

演算法復雜度分為時間復雜度和空間復雜度。其作用： 時間復雜度是指執行演算法所需要的計算工作量；而空間復雜度是指執行這個演算法所需要的內存空間。演算法的復雜性體現在運行該演算法時的計算機所需資源的多少上，計算機資源最重要的是時間和空間資源，因此復雜度分為時間和空間復雜度。

相關內容解釋：

函數在數學上的定義：給定一個非空的數集A,對A施加對應法則f,記作f（A）,得到另一數集B,也就是B=f（A）。那麼這個關系式就叫函數關系式,簡稱函數。

簡單來講，對於兩個變數x和y，如果每給定x的一個值，y都有唯一一個確定的值與其對應，那麼我們就說y是x的函數。其中，x叫做自變數，y叫做因變數。

2. 演算法空間復雜度具體怎麼算

數據結構中演算法空間復雜度計算方法：

一個演算法的空間復雜度只考慮在運行過程中為局部變數分配的存儲空間的大小，它包括為參數表中形參變數分配的存儲空間和為在函數體中定義的局部變數分配的存儲空間兩個部分。

若一個演算法為遞歸演算法，其空間復雜度為遞歸所使用的堆棧空間的大小，它等於一次調用所分配的臨時存儲空間的大小乘以被調用的次數(即為遞歸調用的次數加1，這個1表示開始進行的一次非遞歸調用)。

空間復雜度(Space Complexity)是對一個演算法在運行過程中臨時佔用存儲空間大小的量度，記做S(n)=O(f(n))。

而一般的遞歸演算法就要有O(n)的空間復雜度了，因為每次遞歸都要存儲返回信息。一個演算法的優劣主要從演算法的執行時間和所需要佔用的存儲空間兩個方面衡量。

3. 演算法時間復雜度o(1)和o(2)的區別

O後面的括弧中有一個函數，指明某個演算法的耗時/耗空間與數據增長量之間的關系。其中的n代表輸入數據的量。

時間復雜度為O(n)，就代表數據量增大幾倍，耗時也增大幾倍。比如常見的遍歷演算法。所以O(2)相比於O(1)數據量會更多，同時需要執行的時間會更多。

一般情況下，演算法中基本操作重復執行的次數是問題規模n的某個函數，用T(n)表示，若有某個輔助函數f(n),存在一個正常數c使得fn*c>=T(n)恆成立。記作T(n)=O(f(n)),稱O(f(n)) 為演算法的漸進時間復雜度，簡稱時間復雜度。

(3)演算法復雜度圖擴展閱讀

時間復雜度O(n^2)，就代表數據量增大n倍時，耗時增大n的平方倍，這是比線性更高的時間復雜度。比如冒泡排序，就是典型的O(n^2)的演算法，對n個數排序，需要掃描n×n次。

比如O(logn)，當數據增大n倍時，耗時增大logn倍（這里的log是以2為底的，比如，當數據增大256倍時，耗時只增大8倍，是比線性還要低的時間復雜度）。二分查找就是O(logn)的演算法，每找一次排除一半的可能，256個數據中查找只要找8次就可以找到目標。

O(nlogn)同理，就是n乘以logn，當數據增大256倍時，耗時增大256*8=2048倍。這個復雜度高於線性低於平方。歸並排序就是O(nlogn)的時間復雜度。

4. 演算法復雜度

      演算法的復雜度是以什麼來度量的？

      演算法的復雜度是以時間復雜度和空間復雜度來計算的。

①演算法的時間復雜度

      演算法的時間復雜度是指執行演算法所需要的計算工作量。簡單地說，時間復雜度是以時間來衡量的。一般來說，如果演算法運行的時間越長，時間復雜度也就越高。但是同一個演算法，它的運行時間也受到硬體設備的限制，硬體設備越好，運行時間越短。所以在衡量時間復雜度的時候，我們根據演算法的基本語句來求解。

      值得注意的是：演算法程序執行的具體時間和演算法的時間復雜度並不是一致的。演算法程序執行的具體時間受到所使用的計算機、程序設計語言以及演算法實現過程中的許多細節的影響。而演算法的時間復雜度與這些因素無關。

      演算法的計算工作量是用演算法所執行的基本運算次數來度量的。演算法所執行的基本運算次數與問題的規模有關，而演算法所執行的基本運算次數是問題規模（通常用整數n表示）的函數。所謂問題規模就是問題的計算量的大小。

      在具體分析一個演算法的工作量時，在同一個問題規模下，演算法所執行的基本運算次數還可能與特定的輸入有關。即輸入不同時，演算法所執行的基本運算次數不同。

②演算法的空間復雜度

      演算法的空間復雜度是指執行這個演算法所需要的內存空間。簡單地說，空間復雜度是演算法在運行時臨時佔用內存空間大小的量度。

      演算法執行期間所需的存儲空間包括3個部分：輸入數據所佔的存儲空間；程序本身所佔的存儲空間；演算法執行過程中所需要的額外空間。其中，額外空間包括演算法程序執行過程中的工作單元，以及某種數據結構所需要的附加存儲空間。

      如果額外空間量相對於問題規模（即輸入數據所佔的存儲空間）來說是常數，即額外空間量不隨問題規模的變化而變化，則稱該演算法是原地工作的。

      為了降低演算法的空間復雜度，主要應減少輸入所佔的存儲空間以及額外空間，通常採用壓縮存儲技術。

總結：

      採用不同的存儲結構，其數據處理的效率是不同的。因此，在進行數據處理時，選擇合適的存儲結構很重要。

5. 如何分析演算法的復雜度

演算法的復雜性
演算法的復雜性是演算法效率度量，是評價演算法優劣的重要依據。一個演算法的復雜性的高低體現在運行該演算法所需要的計算機資源的多少上面，所需的資源越多，我們就說該演算法的復雜性越高；反之，所需的資源越低，則該演算法的復雜性越低。
計算機的資源，最重要的是時間和空間（即存儲器）資源。因而，演算法的復雜性有時間復雜性和空間復雜性之分。
不言而喻，對於任意給定的問題，設計出復雜性盡可能低的演算法是我們在設計演算法時追求的一個重要目標；另一方面，當給定的問題已有多種演算法時，選擇其中復雜性最低者，是我們在選用演算法適應遵循的一個重要准則。因此，演算法的復雜性分析對演算法的設計或選用有著重要的指導意義和實用價值。
簡言之，在演算法學習過程中，我們必須首先學會對演算法的分析，以確定或判斷演算法的優劣。
1.時間復雜性：
例1：設一程序段如下（為討論方便，每行前加一行號）
(1) for i:=1 to n do
(2) for j:=1 to n do
(3) x:=x+1
......
試問在程序運行中各步執行的次數各為多少？
解答：
行號 次數(頻度)
(1) n+1
(2) n*(n+1)
(3) n*n
可見，這段程序總的執行次數是：f(n)=2n2+2n+1。在這里，n可以表示問題的規模，當n趨向無窮大時，如果 f(n)的值很小，則演算法優。作為初學者，我們可以用f(n)的數量級O來粗略地判斷演算法的時間復雜性，如上例中的時間復雜性可粗略地表示為T(n)=O(n2)。

6. 演算法復雜度的復雜度分析

通常一個演算法的復雜度是由其輸入量決定的，隨著輸入的增加，不同演算法的復雜度增長速度如右圖所示：
為了降低演算法復雜度，應當同時考慮到輸入量，設計較好的演算法。

7. prim演算法 復雜度

普里姆演算法（Prim演算法），圖論中的一種演算法，可在加權連通圖里搜索最小生成樹。意即由此演算法搜索到的邊子集所構成的樹中，不但包括了連通圖里的所有頂點，且其所有邊的權值之和亦為最小。該演算法於1930年由捷克數學家沃伊捷赫·亞爾尼克發現；並在1957年由美國計算機科學家羅伯特·普里姆獨立發現；1959年，艾茲格·迪科斯徹再次發現了該演算法。因此，在某些場合，普里姆演算法又被稱為DJP演算法、亞爾尼克演算法或普里姆－亞爾尼克演算法。
演算法簡單描述
1).輸入：一個加權連通圖，其中頂點集合為V，邊集合為E；
2).初始化：Vnew = {x}，其中x為集合V中的任一節點（起始點），Enew = {},為空；
3).重復下列操作，直到Vnew = V：
a.在集合E中選取權值最小的邊<u, v>，其中u為集合Vnew中的元素，而v不在Vnew集合當中，並且v∈V（如果存在有多條滿足前述條件即具有相同權值的邊，則可任意選取其中之一）；
b.將v加入集合Vnew中，將<u, v>邊加入集合Enew中；
4).輸出：使用集合Vnew和Enew來描述所得到的最小生成樹。
時間復雜度
這里記頂點數v，邊數e
鄰接矩陣:O(v2) 鄰接表:O(elog2v)