什么是时间复杂度、空间复杂度？

1. 什么是时间复杂度、空间复杂度？

1、时间复杂度是指执行算法所需要的计算工作量。
时间复杂度是一个函数，它定性描述了该算法的运行时间。这是一个关于代表算法输入值的字符串的长度的函数。时间复杂度常用大O符号表述，不包括这个函数的低阶项和首项系数。
2、空间复杂度是指执行这个算法所需要的内存空间。
空间复杂度需要考虑在运行过程中为局部变量分配的存储空间的大小，它包括为参数表中形参变量分配的存储空间和为在函数体中定义的局部变量分配的存储空间两个部分。
空间复杂度也就是对一个算法在运行过程中临时占用存储空间大小的量度，记做S(n)=O(f(n))。比如直接插入排序的时间复杂度是O(n^2)，空间复杂度是O(1) 。

扩展资料：
时间复杂度和空间复杂度往往是相互影响的。当追求一个较好的时间复杂度时，可能会使空间复杂度的性能变差，即可能导致占用较多的存储空间；相反的当追求一个较好的空间复杂度时，就可能会使时间复杂度的性能变差，即可能导致占用较长的运行时间。
因此，当设计一个算法(特别是大型算法)时，要综合考虑算法的各项性能，算法的使用频率，算法处理的数据量的大小，算法描述语言的特性，算法运行的机器系统环境等各方面因素，才能够设计出比较好的算法。算法的时间复杂度和空间复杂度合称为算法的复杂度。
参考资料：百度百科-空间复杂度
参考资料：百度百科-时间复杂度

2. 时间复杂度是多少？

时间复杂度是O(n)

for（i=1;i<n;i++）;// 由于这里有一个分号，所以执行n次

for(j=1;j<i;j++)// 此时i=n，所以执行n次。
共执行2n次，时间复杂度是O(n)

3. 什么是时间复杂度、空间复杂度？

1、时间复杂度是指执行算法所需要的计算工作量。
时间复杂度是一个函数，它定性描述了该算法的运行时间。这是一个关于代表算法输入值的字符串的长度的函数。时间复杂度常用大O符号表述，不包括这个函数的低阶项和首项系数。
2、空间复杂度是指执行这个算法所需要的内存空间。
空间复杂度需要考虑在运行过程中为局部变量分配的存储空间的大小，它包括为参数表中形参变量分配的存储空间和为在函数体中定义的局部变量分配的存储空间两个部分。
空间复杂度也就是对一个算法在运行过程中临时占用存储空间大小的量度，记做S(n)=O(f(n))。比如直接插入排序的时间复杂度是O(n^2)，空间复杂度是O(1) 。

扩展资料：
时间复杂度和空间复杂度往往是相互影响的。当追求一个较好的时间复杂度时，可能会使空间复杂度的性能变差，即可能导致占用较多的存储空间；相反的当追求一个较好的空间复杂度时，就可能会使时间复杂度的性能变差，即可能导致占用较长的运行时间。
因此，当设计一个算法(特别是大型算法)时，要综合考虑算法的各项性能，算法的使用频率，算法处理的数据量的大小，算法描述语言的特性，算法运行的机器系统环境等各方面因素，才能够设计出比较好的算法。算法的时间复杂度和空间复杂度合称为算法的复杂度。
参考资料：百度百科-空间复杂度
参考资料：百度百科-时间复杂度

4. 时间复杂度是什么意思？

算法的时间复杂度是一个函数，它定性描述该算法的运行时间。
这是一个代表算法输入值的字符串的长度的函数。时间复杂度常用大O符号表述，不包括这个函数的低阶项和首项系数。使用这种方式时，时间复杂度可被称为是渐近的，亦即考察输入值大小趋近无穷时的情况。

 
算法的时间复杂度取决于什么
算法的时间复杂度取决于待处理数据的状态以及问题的规模。算法中的指令描述的是一个计算，当其运行时能从一个初始状态和（可能为空的）初始输入开始，经过一系列有限而清晰定义的状态，最终产生输出并停止于一个终态。一个状态到另一个状态的转移不一定是确定的。随机化算法在内的一些算法，包含了一些随机输入。

5. 求时间复杂度？？

i = s = 0;                    ......c
while (s < n) {            ......f(n)次循环
    i++;                        ......c
    s+=i;                      ......c
}
基本运算的代价都视为常数c;
总时间代价T(n) = c + (c + c) * f(n)，f(n)就是循环次数；

求f(n)：
可以看出 i 就是当前的循环次数；
i = 1: s = 0 + 1;
i = 2: s = 1 + 2;
i = 3: s = 2 + 3;
......
=> s = 2i - 1;
循环次数f(n)就等于：满足s = 2i - 1 < n的最小整数
=> f(n) = (n + 1)/2
=> T(n) = c + (c + c) * (n + 1)/2 
             = (n + 2) * c

所以时间复杂度 = O(T(n)) = O((n + 2)*c) = O(n)

6. 时间复杂度的时间复杂度

 1.一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数，用T(n)表示，若有某个辅助函数f(n),使得当n趋近于无穷大时，T(n)/f(n)的极限值为不等于零的常数，则称f(n)是T(n)的同数量级函数。记作T(n)=O(f(n)),称O(f(n)) 为算法的渐进时间复杂度，简称时间复杂度。分析：随着模块n的增大，算法执行的时间的增长率和 f(n) 的增长率成正比，所以 f(n) 越小，算法的时间复杂度越低，算法的效率越高。2. 在计算时间复杂度的时候，先找出算法的基本操作，然后根据相应的各语句确定它的执行次数，再找出 T(n) 的同数量级（它的同数量级有以下：1，log2n，n，n log2n ，n的平方，n的三次方，2的n次方，n!），找出后，f(n) = 该数量级，若 T(n)/f(n) 求极限可得到一常数c，则时间复杂度T(n) = O(f(n))例：算法：  for(i=1; i<=n; ++i){    for(j=1; j<=n; ++j)    {        c[i][j] = 0;//该步骤属于基本操作执行次数：n的平方次        for(k=1; k<=n; ++k)            c[i][j] += a[i][k] * b[k][j];//该步骤属于基本操作执行次数：n的三次方次    }}则有 T(n) = n 的平方+n的三次方，根据上面括号里的同数量级，我们可以确定 n的三次方 为T（n）的同数量级则有 f(n) = n的三次方，然后根据 T(n)/f(n) 求极限可得到常数c则该算法的时间复杂度：T(n) = O(n^3) 注：n^3即是n的3次方。3.在pascal中比较容易理解，容易计算的方法是：看看有几重for循环，只有一重则时间复杂度为O(n)，二重则为O(n^2)，依此类推，如果有二分则为O(logn)，二分例如快速幂、二分查找，如果一个for循环套一个二分，那么时间复杂度则为O(nlogn)。 按数量级递增排列，常见的时间复杂度有：常数阶O(1),对数阶O(),线性阶O(n),线性对数阶O(nlog2n),平方阶O(n^2)，立方阶O(n^3),...，k次方阶O(n^k),指数阶O(2^n)。随着问题规模n的不断增大，上述时间复杂度不断增大，算法的执行效率越低。 《数据结构（C语言版）》 ------严蔚敏 吴伟民编著 第15页有句话整个算法的执行时间与基本操作重复执行的次数成正比。基本操作重复执行的次数是问题规模n的某个函数f(n)，于是算法的时间量度可以记为：T(n) = O(f(n))如果按照这么推断，T(n)应该表示的是算法的时间量度，也就是算法执行的时间。而该页对“语句频度”也有定义：指的是该语句重复执行的次数。如果是基本操作所在语句重复执行的次数，那么就该是f(n)。上边的n都表示的问题规模。

7. 关于时间复杂度的一些概念

一个算法执行所耗费的时间，从理论上是不能算出来的，必须上机运行测试才能知道。但我们不可能也没有必要对每个算法都上机测试，只需知道哪个算法花费的时间多，哪个算法花费的时间少就可以了。并且一个算法花费的时间与算法中语句的执行次数成正比例，哪个算法中语句执行次数多，它花费时间就多。一个算法中的语句执行次数称为语句频度或时间频度。记为T(n)。
  （2）时间复杂度
  在刚才提到的时间频度中，n称为问题的规模，当n不断变化时，时间频度T(n)也会不断变化。但有时我们想知道它变化时呈现什么规律。为此，我们引入时间复杂度概念。
  一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数，用T(n)表示，若有某个辅助函数f(n),使得当n趋近于无穷大时，T（n)/f(n)的极限值为不等于零的常数，则称f(n)是T(n)的同数量级函数。记作T(n)=O(f(n)),称O(f(n)) 为算法的渐进时间复杂度，简称时间复杂度。
  在各种不同算法中，若算法中语句执行次数为一个常数，则时间复杂度为O(1),另外，在时间频度不相同时，时间复杂度有可能相同，如T(n)=n^2+3n+4与T(n)=4n^2+2n+1它们的频度不同，但时间复杂度相同，都为O(n^2)。
  按数量级递增排列，常见的时间复杂度有：
  常数阶O(1),对数阶O(log2n),线性阶O(n),
  线性对数阶O(nlog2n),平方阶O(n^2)，立方阶O(n^3),...，
  k次方阶O(nk),指数阶O(2n)。随着问题规模n的不断增大，上述时间复杂度不断增大，算法的执行效率越低。
2、空间复杂度

  与时间复杂度类似，空间复杂度是指算法在计算机内执行时所需存储空间的度量。记作:
  S(n)=O(f(n))
  我们一般所讨论的是除正常占用内存开销外的辅助存储单元规模。讨论方法与时间复杂度类似，不再赘述。 


如果对您有帮助，请记得采纳为满意答案，谢谢！祝您生活愉快！

8. 求问什么是时间复杂度

时间复杂度是度量算法执行的时间长短
相见：百度百科
1.时间频度　　一个算法执行所耗费的时间，从理论上是不能算出来的，必须上机运行测试才能知道。但我们不可能也没有必要对每个算法都上机测试，只需知道哪个算法花费的时间多，哪个算法花费的时间少就可以了。并且一个算法花费的时间与算法中语句的执行次数成正比例，哪个算法中语句执行次数多，它花费时间就多。一个算法中的语句执行次数称为语句频度或时间频度。记为T(n)。 2.计算方法　　1. 一般情况下，算法的基本操作重复执行的次数是模块n的某一个函数f（n），因此，算法的时间复杂度记做：T（n）=O（f（n）） 　　分析：随着模块n的增大，算法执行的时间的增长率和f（n）的增长率成正比，所以f（n）越小，算法的时间复杂度越低，算法的效率越高。 　　2. 在计算时间复杂度的时候，先找出算法的基本操作，然后根据相应的各语句确定它的执行次数，再找出T（n）的同数量级（它的同数量级有以下：1，Log2n ，n ，nLog2n ，n的平方，n的三次方，2的n次方，n！），找出后，f（n）=该数量级，若T(n)/f(n)求极限可得到一常数c，则时间复杂度T（n）=O（f（n）） 　　例：算法： 　　for（i=1;i<=n;++i） 　　{ 　　for(j=1;j<=n;++j) 　　{ 　　c[ i ][ j ]=0; //该步骤属于基本操作 执行次数：n的平方 次 　　for(k=1;k<=n;++k) 　　c[ i ][ j ]+=a[ i ][ k ]*b[ k ][ j ]; //该步骤属于基本操作 执行次数：n的三次方 次 　　} 　　} 　　则有 T（n）= n的平方+n的三次方，根据上面括号里的同数量级，我们可以确定 n的三次方 为T（n）的同数量级 　　则有f（n）= n的三次方，然后根据T（n）/f（n）求极限可得到常数c 　　则该算法的 时间复杂度：T（n）=O（n的三次方） 3.分类　　按数量级递增排列，常见的时间复杂度有： 　　常数阶O(1),对数阶O(log2n),线性阶O(n), 　　线性对数阶O(nlog2n),平方阶O(n2)，立方阶O(n3),...， 　　k次方阶O(nk), 指数阶O(2n) 。随着问题规模n的不断增大，上述时间复杂度不断增大，算法的执行效率越低。