演算法評測
演算法評測——複雜度記法
剛才說過,線性查詢的計算量為O(n),二分查詢的複雜度為O(log n)。大多情況下,演算法的複雜度可以這樣定量評測。演算法評測一般使用複雜度記法(Order記法)。
複雜度記法表示的含義是,當演算法的輸入大小為n時,大致需要這麼多的計算量。
花費時間與n的大小無關,能在固定時間內完成的處理,其複雜度為O(1)。例如從雜湊中查詢資料,雖然要計算雜湊函式,但雜湊函式計算不依賴於n,所以複雜度為O(1)。而雜湊搜尋中,給定鍵的值(幾乎)是唯一的,因此透過鍵搜尋值的處理也是O(1)(也依賴於具體實現)。因此,雜湊搜尋整體複雜度為O(1)[1]。
如前所見,線性查詢要從開頭開始查詢,最大要查詢n次。
某些情況下只需一次就能找到,但複雜度記法並不考慮這種特殊情況,而是表示平均值或最大值。因此記為O(n)。二分查詢為O(log n)。
像這樣用複雜度記法表示各種演算法,即可比較演算法的效能。線性查詢和二分查詢分別為O(n)和O(log n),因此二分查詢的計算量比較少[2]。
各種演算法的複雜度記法
各種演算法的複雜度記法中,下述幾種計算量經常出現。
O(1) < O(log n) < O(n) < O(nlog n) < O(n2) < O(n3) … < O(nk) < O(2n)
越往右,複雜度越大。處理大規模資料時,也就是說n比較大時,實用演算法也就到O(n logn)附近。再高,複雜度就會隨著n的增加而急劇增大,經常導致計算無法結束。
感覺上而言,O(log n)比O(n)要快很多,O(n)和O(n log n)的差距不是很大,O(n)和O(n2)之間的鴻溝決定著著計算能否完成……。
關於速度問題,如果相當複雜的演算法能用O(n2)的計算完成,那也可以說“相當快”了,畢竟速度取決於演算法中的計算本身。例如,一般的基於比較的排序演算法無論怎麼最佳化,也不可能比O(n logn)快,這一點在理論上可以證明。因此,排序演算法能達到O(n logn),就可以認為是高速演算法。
複雜度的概念不僅用於表示計算的時間,也可以用於表示空間。也就是說,複雜度記法不僅可以表示執行時間、操作步驟數,還可以表示記憶體使用量等。
上面講述了演算法評測。更為詳細的內容,請參考講解演算法的書籍。
演算法評測
複雜度記法
複雜度
時間複雜度(執行時間、操作步驟數)
空間複雜度(記憶體使用量)
剛才說過,線性查詢和二分查詢相比,資料量變大後,計算時間就會出現巨大差距。這裡的重點不是複雜度記法本身,而是利用複雜度記法比較演算法時,對演算法間差距的感覺。就是說要掌握O(log n)和O(n)在n增大時,對於複雜度差距的感覺。
再看個身邊的例子。準備一張紙巾,然後將其多次對摺。到底能對摺多少次呢?第一次只需對半摺疊即可,完全沒問題。第二次、第三次、第四次直到第五次應該也沒問題。但第六次就比較難折了,第七次和第八次完全折不動而不得不放棄。可能有人會想“折100次肯定沒問題!”,而實際上7次就是極限了。為什麼呢?
摺紙所需的勞動量,依賴於要折的紙張的厚度。假設這個厚度最初為1mm,那麼第一次摺疊之後就是2mm。兩次摺疊後是3mm……不對,是4mm。
這樣,厚度是1→2→4→8→16→32…這樣增加的。可以認為,設摺疊次數為n,計算量就按照2n增長。剛才看到,O(2n)是個相當大的複雜度,因此紙巾在n=8時無法摺疊也就可以理解了。
另外有文章介紹過,厚度為0.11mm的衛生紙摺疊25次後會達到富士山的高度[3]。要摺疊富士山那麼高的紙……一般方法絕對做不到吧。
對演算法中指數增加、對數增加的感覺
計算量按照指數增加的演算法,只需一點點資料量,計算量就會變得龐大無比。與指數相反,只以對數增加的O(log n)的演算法,即使資料量變得非常大,也只需一點計算量就能解決,這點也能直觀地理解吧。
在思考演算法複雜度時,這種感覺是最重要的。例如要操作的資料有1000萬條,如果能選擇對數演算法,那麼只需幾十次計算就可以了。相反,如果選錯了演算法,使用O(n2)或O(2n)的演算法實現的話,寫出的程式即使只有幾百條資料,也要浪費相當多資源。
本文節選自《大規模WEB服務開發技術》一書
圖書詳細資訊:http://space.itpub.net/?uid-13164110-action-viewspace-itemid-705176
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/13164110/viewspace-705280/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- AI演算法測評(二)--演算法測試流程AI演算法
- 音樂App評測之QQ音樂篇:音樂圈多樣演算法差評APP演算法
- 評測姬
- 安全測評基礎-安全測評常用測試工具講解
- 亞馬遜測評是怎麼做的?測評難嗎?亞馬遜
- 2840 WIKIOI——評測
- 【AI 演算法評測】BERT 對 NLP 效果的改善,不負眾望!AI演算法
- 一個好用的線上測評工具——線上測評H5H5
- 《演算法謎題》書評演算法
- Reddit 評論排名演算法演算法
- Amazon書評之《演算法》演算法
- PHP技能評測(一)PHP
- elementary OS 6 評測!
- Hyperledger Composer評測
- zedboard的demo評測Zed
- 什麼是等保測評?等保測評資質有哪些?
- 常用聚類演算法以及演算法評價聚類演算法
- 等保測評乾貨錦囊,安全管理測評和安全技術測評區別和聯絡是什麼?
- 【等保測評】等保測評師怎麼考,前景怎麼樣?
- 等保測評主要評測的內容有哪些?主要包含什麼?
- Linux桌面版橫評:二、如何評測Linux
- iOS原生 VS Flutter評測iOSFlutter
- 關於 IDC 評測
- Ingres Vectorwise 3.0評測
- 企業文化測評工具
- 【有獎評測局】阿里雲容器映象 ACR 測評團限時招募中!阿里
- 等保測評是什麼意思?APP有必要進行等保測評嗎?APP
- 評估統計演算法在銀行偽造鈔票檢測中的價值演算法
- Sugarhosts主機商綜合評測
- 小程式多端框架全面測評框架
- 資訊系統效能評測
- React Native VS Flutter評測React NativeFlutter
- 四款iOS加固工具評測iOS
- 如何評估測試工時?
- AIGC工具的使用測評AIGC
- 港股通開戶測評答案
- 軟體測評報告做為招標評分項
- 《演算法心得:高效演算法的奧祕》點評贈書演算法