时间复杂度: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f(n),T(n)=O(f(n))。它表示随问题规模n的增大,算法执行时间的增长率和f(n)的增长率相同。
语句的频度:是该语句重复执行的次数。
例1:交换i和j的内容。
temp=i; i=j; j=temp;
以上三条语句的频度均为1,该程序的执行时间是与问题规模n无关的常数,因此算法的时间复杂度为常数阶,记作T(n)=O(1)。
例2:变量计数。
(1)x=0;y=0;
(2)for(k=1;k<=n;k++)
(3) x++;
(4)for(i=1;i<=n;i++)
(5) for(j=1;j<=n;j++)
(6) y++;
以上语句中频度最大的语句是(6),其频度为f(n)= n2,所以该程序段的时间复杂度为T(n)=O(n2)
例3:求两个n阶方阵的乘积C=A×B,其算法如下:
#define n 100
void MatrixMultiply(int A[n][n],int B[n][n],int C[n][n]){ int i,j,k
for (i=1;i<=n;++i) /* 次数 n+1 */
for (j=1;j<=n;++j) /* 次数 n*(n+1)*/
{ C[i][j]=0; /* 次数 n2 */
for (k=1;k<=n,k++) /* 次数 n2(n+1) */
C[i][j]=C[i][j]+A[i][k]*B[k][j];/* 次数 n3 */
}
}
T(n)=2n3+3n2+2n+1
lim(T(n)/ n3)=2
T(n)=O(n3)
例4:
(1){++x;s=0;}
(2)for (i=1;i<=n;++i) {++x;s+=x;}
(3)for (j=1;j<=n;++j)
(4) for (k=1;k<=n;k++){++x;s+=x;}
(5) i=1; while(i<=n) i=i*2;执行次数f(n)与n的关系是n=2^f(n)
含基本操作“x增1”的语句的频度分别为1,n,n2和log2n
语句的频度:是该语句重复执行的次数。
例1:交换i和j的内容。
temp=i; i=j; j=temp;
以上三条语句的频度均为1,该程序的执行时间是与问题规模n无关的常数,因此算法的时间复杂度为常数阶,记作T(n)=O(1)。
例2:变量计数。
(1)x=0;y=0;
(2)for(k=1;k<=n;k++)
(3) x++;
(4)for(i=1;i<=n;i++)
(5) for(j=1;j<=n;j++)
(6) y++;
以上语句中频度最大的语句是(6),其频度为f(n)= n2,所以该程序段的时间复杂度为T(n)=O(n2)
例3:求两个n阶方阵的乘积C=A×B,其算法如下:
#define n 100
void MatrixMultiply(int A[n][n],int B[n][n],int C[n][n]){ int i,j,k
for (i=1;i<=n;++i) /* 次数 n+1 */
for (j=1;j<=n;++j) /* 次数 n*(n+1)*/
{ C[i][j]=0; /* 次数 n2 */
for (k=1;k<=n,k++) /* 次数 n2(n+1) */
C[i][j]=C[i][j]+A[i][k]*B[k][j];/* 次数 n3 */
}
}
T(n)=2n3+3n2+2n+1
lim(T(n)/ n3)=2
T(n)=O(n3)
例4:
(1){++x;s=0;}
(2)for (i=1;i<=n;++i) {++x;s+=x;}
(3)for (j=1;j<=n;++j)
(4) for (k=1;k<=n;k++){++x;s+=x;}
(5) i=1; while(i<=n) i=i*2;执行次数f(n)与n的关系是n=2^f(n)
含基本操作“x增1”的语句的频度分别为1,n,n2和log2n
常见的时间复杂度,按数量级递增排列依次为:常数阶O(1),对数阶0(Log2n),线性阶O(n),线性对数阶0(nLog2n),平方阶O(n2),立方阶0(n3),指数阶O(2n)。通常认为,具有指数阶量级的算法是实际不可计算的,而量级低于平方阶的算法是高效的。