演算法復雜度有

『壹』 演算法的時間復雜度是什麼

執行一個演算法所耗費的時間，從理論上是不能算出來的，必須上機運行測試才能知道。但不可能也沒有必要對每個演算法都上機測試，只需知道哪個演算法花費的時間多，哪個演算法花費的時間少就可以了。一個演算法花費的時間與演算法中語句的執行次數成正比例，演算法中哪個語句的執行次數多，它花費的時間就多。

1.語句頻度在演算法中一個語句的執行次數稱為語句頻度或時間頻度，記為T（n）。

2）演算法的漸進時間復雜度一般情況下，演算法的執行時間T是問題規模n的函數，記作T（n）。要精確地表示演算法的運行時間函數常常是很困難的，即使能夠給出，也可能是個相當復雜的函數，函數的求解本身也是相當復雜的。為了客觀地反映一個演算法的執行時間，可以用演算法中基本語句的執行次數的數量級來度量演算法的工作量，稱作演算法的漸進時間復雜度，簡稱時間復雜度，通常用O來表示。

『貳』 演算法復雜度是什麼概念

同一問題可用不同演算法解決，而一個演算法的質量優劣將影響到演算法乃至程序的效率。演算法分析的目的在於選擇合適演算法和改進演算法。一個演算法的評價主要從時間復雜度和空間復雜度來考慮。

1、時間復雜度

（1）時間頻度
一個演算法執行所耗費的時間，從理論上是不能算出來的，必須上機運行測試才能知道。但我們不可能也沒有必要對每個演算法都上機測試，只需知道哪個演算法花費的時間多，哪個演算法花費的時間少就可以了。並且一個演算法花費的時間與演算法中語句的執行次數成正比例，哪個演算法中語句執行次數多，它花費時間就多。一個演算法中的語句執行次數稱為語句頻度或時間頻度。記為T(n)。

（2）時間復雜度
在剛才提到的時間頻度中，n稱為問題的規模，當n不斷變化時，時間頻度T(n)也會不斷變化。但有時我們想知道它變化時呈現什麼規律。為此，我們引入時間復雜度概念。

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),使得當n趨近於無窮大時，T（n)/f(n)的極限值為不等於零的常數，則稱f(n)是T(n)的同數量級函數。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。

在各種不同演算法中，若演算法中語句執行次數為一個常數，則時間復雜度為O(1),另外，在時間頻度不相同時，時間復雜度有可能相同，如T(n)=n2+3n+4與T(n)=4n2+2n+1它們的頻度不同，但時間復雜度相同，都為O(n2)。

按數量級遞增排列，常見的時間復雜度有：
常數階O(1),對數階O(log2n),線性階O(n),
線性對數階O(nlog2n),平方階O(n2)，立方階O(n3),...，
k次方階O(nk),指數階O(2n)。隨著問題規模n的不斷增大，上述時間復雜度不斷增大，演算法的執行效率越低。

2、空間復雜度
與時間復雜度類似，空間復雜度是指演算法在計算機內執行時所需存儲空間的度量。記作:
S(n)=O(f(n))

說到底,就是程序執行效率和佔用空間的問題.

『叄』 計算復雜性包括什麼

計算復雜性理論（Computational complexity theory）是理論計算機科學和數學的一個分支，它致力於將可計算問題根據它們本身的復雜性分類，以及將這些類別聯系起來。一個可計算問題被認為是一個原則上可以用計算機解決的問題，亦即這個問題可以用一系列機械的數學步驟解決，例如演算法。 如果一個問題的求解需要相當多的資源（無論用什麼演算法），則被認為是難解的。計算復雜性理論通過引入數學計算模型來研究這些問題以及定量計算解決問題所需的資源（時間和空間），從而將資源的確定方法正式化了。其他復雜性測度同樣被運用，比如通信量（應用於通信復雜性），電路中門的數量（應用於電路復雜性）以及中央處理器的數量（應用於並行計算）。計算復雜性理論的一個作用就是確定一個能或不能被計算機求解的問題的所具有的實際限制。 在理論計算機科學領域，與此相關的概念有演算法分析和可計算性理論。兩者之間一個關鍵的區別是前者致力於分析用一個確定的演算法來求解一個問題所需的資源量，而後者則是在更廣泛意義上研究用所有可能的演算法來解決相同問題。更精確地說，它嘗試將問題分成能或不能在現有的適當受限的資源條件下解決這兩類。相應地，在現有資源條件下的限制正是區分計算復雜性理論和可計算性理論的一個重要指標：後者關心的是何種問題原則上可以用演算法解決。

簡介
計算復雜性理論所研究的資源中最常見的是時間（要通過多少步演算才能解決問題）和空間（在解決問題時需要多少內存）。其他資源亦可考慮，例如在並行計算中，需要多少並行處理器才能解決問題。

時間復雜度是指在計算機科學與工程領域完成一個演算法所需要的時間，是衡量一個演算法優劣的重要參數。時間復雜度越小，說明該演算法效率越高，則該演算法越有價值。

空間復雜度是指計算機科學領域完成一個演算法所需要佔用的存儲空間，一般是輸入參數的函數。它是演算法優劣的重要度量指標，一般來說，空間復雜度越小，演算法越好。我們假設有一個圖靈機來解決某一類語言的某一問題，設有個字（word）屬於這個問題，把放入這個圖靈機的輸入端，這個圖靈機為解決此問題所需要的工作帶格子數總和稱為空間。

復雜度理論和可計算性理論不同，可計算性理論的重心在於問題能否解決，不管需要多少資源。而復雜性理論作為計算理論的分支，某種程度上被認為和演算法理論是一種「矛」與「盾」的關系，即演算法理論專注於設計有效的演算法，而復雜性理論專注於理解為什麼對於某類問題，不存在有效的演算法

『肆』 演算法的復雜度包括哪兩種

時間復雜度和空間復雜度。比如分治思想的快排空間復雜度是O(n)，時間復雜度是O（nlog2 n)。

『伍』 演算法的時間復雜度定義

在進行演算法分析時，語句總的執行次數T(n)是關於問題規模n的函數，進而分析T(n)隨n的變化情況並確定T(n)的數量級。演算法的時間復雜度，也就是演算法的時間量度。記作：T(n)=O(f(n))。它表示隨問題n的增大，演算法執行時間的增長率和f(n)的增長率相同，稱作演算法的漸進時間復雜度，簡稱為時間復雜度。其中，f(n)是問題規模n的某個函數。
這樣用大寫O()來體現演算法時間復雜度的記法，我們稱之為大0記法。

『陸』 計算機演算法復雜度包括

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（即寄存器）資源，因此復雜度分為時間和空間復雜度）。

『柒』 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)。

『捌』 演算法的空間復雜度是多少

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))。

比如直接插入排序的時間復雜度是O(n^2),空間復雜度是O(1) 。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。

注意：

演算法（Algorithm）是指用來操作數據、解決程序問題的一組方法。對於同一個問題，使用不同的演算法，也許最終得到的結果是一樣的，但在過程中消耗的資源和時間卻會有很大的區別。

主要還是從演算法所佔用的「時間」和「空間」兩個維度去考量。時間維度：是指執行當前演算法所消耗的時間，我們通常用「時間復雜度」來描述。空間維度：是指執行當前演算法需要佔用多少內存空間，我們通常用「空間復雜度」來描述。

因此，評價一個演算法的效率主要是看它的時間復雜度和空間復雜度情況。然而，有的時候時間和空間卻又是「魚和熊掌」，不可兼得的，那麼我們就需要從中去取一個平衡點。

『玖』 什麼是演算法的復雜性

演算法的復雜性主要包括兩個內容:時間復雜度和空間復雜度；
（1）時間復雜度：表示演算法運行時間的長短，主要和數據的規模、演算法實現的效率有關，一般用O(n)來表示，n表示數據的規模大小。
（2）空間復雜度，主要是指演算法實現所需佔用內存空間的大小，一般用S（n)來表示。

『拾』 演算法的復雜度包括哪兩個部分

演算法的復雜度包括演算法的時間復雜度及空間復雜度。這兩個復雜度可以互相影響的。比如，可以採用「用空間換時間」的方法用多消耗內存空間來降低程序運行時間，也可以用「時間換空間」的方法，多消耗程序運行時間來降低內存佔用空間。