درک کارایی الگوریتم ها در برنامه نویسی ضروری است، به توسعه دهندگان کمک می کند تا کد را برای اجرای سریع تر و استفاده از حافظه پایین تر بهینه سازی کنند.دو اقدام اولیه از کارایی پیچیدگی زمان و پیچیدگی فضا است.

پیچیدگی زمان

پیچیدگی زمان توضیح می دهد که چگونه زمان اجرای یک الگوریتم با اندازه داده های ورودی افزایش می یابد، معمولا با استفاده از لوسیون بزرگ O بیان می شود که الگوریتم ها را بر اساس عملکرد بدترین حالت خود طبقه بندی می کند.

در این میان، در زمان های مختلف، |1|FLT|1|(زمان)) [FLT3] [n] [خطاب] و [FLT] [2] پیچیدگی زمانی قابل توجهی را با یک الگوریتم کوچک (bing) به طور قابل توجهی کاهش دهید.

پیچیدگی فضایی

پیچیدگی فضایی مقدار حافظه ای را که یک الگوریتم به آن نیاز دارد، نسبت به اندازه ورودی اندازه گیری می کند.این فضای ثابت مورد نیاز و فضای مورد نیاز برای داده های موقت در طول اجرای را در نظر می گیرد.

الگوریتم های کارآمد هدف به حداقل رساندن استفاده از حافظه، که در محیط هایی با منابع محدود، مانند پیچیدگی زمان، پیچیدگی فضا با استفاده از بزرگ Onotation بیان می شود.

تحلیل کارایی الگوریتم

ارزیابی یک الگوریتم شامل تجزیه و تحلیل زمان و پیچیدگی های فضایی آن است. توسعه دهندگان اغلب این عوامل را بر اساس الزامات برنامه متعادل می کنند.به عنوان مثال، یک الگوریتم با زمان اجرا سریع تر ممکن است از حافظه بیشتر و برعکس استفاده کند.

  • شناسایی اندازه ورودی
  • تعداد عملیات را تعیین کنید
  • استفاده از حافظه
  • مقایسه با الگوریتم های جایگزین