算法复杂度评价一例

问题
　　数据结构课堂上抛出一个问题，下面一段算法，复杂度是_______？

i=1;
while(i<=n)
   i=i*3;

A. $O(3^n)$
B. $O(n)$
C. $O(n^3)$
D. $O(log_3n)$

意外
　　连叫三位同学回答，列一例外选B，让我有些吃惊。看来这是老师的问题，大家的思维没有到位。

分析及解答
　　所谓复杂度，是要对关键运算的次数进行计数。关键运算的次数，与问题规模有关。在这里，就是要考察循环了。关键运算是乘法，我们看执行算法中，需要多少次乘法。而问题规模呢？显然，执行多少次循环，与n的初值有关。这里设循环执行的次数为$T(n)$。
　　这里循环次数首先可以确定不是B所指定的线性关系。为直观起见，我们设$n$足够大，用于控制循环的变量 i 的变化过程是：
　　1（初值，由i=1）
　　3（第1次循环：i=i*3）
　　9（第2次循环：i=i*3）
　　27（第3次循环：i=i*3）
　　81（第4次循环：i=i*3）
　　273（第5次循环：i=i*3）
　　819（第6次循环：i=i*3）
　　2457（第7次循环：i=i*3）
　　……
　　可以看到 i 的值就这样，按着指数级的速度，向着(i<=n)这个使循环结束的条件奔去。
　　我们已经设循环执行的次数为$T(n)$。可以发现，当$3^{T(n)}\leq n$时，循环继续，循环结束时，恰 $3^{T(n)} > n$，容易得到 $T(n) \approx log_3(n)$，论及复杂度，我们常只考察量级，故有$T(n) = O(log_3n)$。

后续的疑问
　　课堂中我讲了这个结论得出的过程，大多数同学接受了。个别同学还在继续思考（好习惯，就着热乎劲，有质疑，有思考，学习的优良品质！）。问得最多的问题是：当n=3(或某一个具体的数)时，循环的次数不等于$log_3n$！
　　对此，暴露出同学们对复杂度的理解中，还有两点不到位：
　　1. 复杂度只作粗略的，在定性（量级）上的考察，而不是定量（精确的计数算式）的计算，多几次少几次，不要细究了。注意说复杂度是$O(log_3n)$，而不是$log_3n$。要深刻理解这儿运用的“大O”的目的。
　　2. 复杂度只在意定性，而不在定量，为此，在衡定量级时，只保留高阶部分，低阶部分统计统不管，高阶式子的系数统统去掉。例如，关键运算的执行频度计数为$10000n^3+200n^2+1000$，在“取量级”的大方针下，也是$O(n^3)$。因为在 $n$ 值取很大的这个前提下，$200n^2+1000$再大，在$n^3$ 面前也别抬头；$n^3$前的系数再大，也不是主要因素。这是复杂度分析中，我们在抓主要矛盾。
　　3. 学计算机，计数是个很重要很重要的问题，计数的理论，也是深不可测。精确的计数，感兴趣的同学可以关注，但在算法的复杂度分析上，适应“就到量级”的处理，这里也有大学问，这也是实用的处理。

拓展
（1）下面一段算法，复杂度是_______？

i=n;
while(i>1)
   i=i/3;

A. $O(3^n)$
B. $O(n)$
C. $O(n^3)$
D. $O(log_3n)$
E. $O(1)$

（2）下面一段算法，复杂度是_______？

i=1;
while(i<=n)
   i=i+3;

A. $O(n/3)$
B. $O(n)$
C. $O(3n)$
D. $O(log_3n)$

（3）下面一段算法，复杂度是_______？

i=1;
while(i<=n)
   n=i*3;

A. $O(\propto)$
B. $O(n)$
C. $O(3n)$
D. $O(log_3n)$

解析
　　（1）D。和原问题其实一样，照文章中的思路做一遍即可得到答案。若关键运算执行次数与问题规模$n$无关时，复杂度为E. $O(1)$，显然，这里 i 的初值是 n ，并非无关。
　　（2）B。最迷惑人的，是A。循环的次数，循环次数约是 $\frac{n} {3}$，但是，系数$\frac 1 3$是要去掉的，选B。
　　（3）错题！这段代码若执行，是个死循环，终止于内存溢出，或者有些对溢出不处理的语言，就真的一直会不停地执行下去。从算法角度，由于违反了“有穷性”，这也根本称不上是“算法”了。