算法性能评估-时间复杂度

时间复杂度是用来评估算法性能的一个重要指标，有以下对应的关系。

1 < log(n) < n < nlog(n) < n^2 < n^3 < 2^n < n! < n^n

(1) 1 表示常数。

    程序执行的最大次数是可以估计到的，也就是说是一个常数。

(2) log(n)

    如果一个程序的运行时间是对数级的，则随着N的增大程序会渐渐慢下来，如果一个程序将一个大的问题分解成一系列更小的问题，每一步都将问题的规模缩减成几分之一，一般就会出现这样的运行时间函数。在我们所关心的范围内，可以认为运行时间小于一个大的常数。对数的基数会影响这个常数，但改变不会太大：当N=1000时，如果基数是10，logN等于3；如果基数是2，logN约等于10.当N=1 00 000，logN只是前值的两倍。当N时原来的两倍，logN只增长了一个常数因子：仅当从N增长到N平方时，logN才会增长到原来的两倍。

(3) n

    线性时间复杂度，常用的一个循环，就是这样的复杂度。

(4) nlog(n)

    如果某个算法将问题分解成更小的子问题，独立地解决各个子问题，最后将结果综合起来，运行时间一般就是NlogN。当N=1 000 000时，NlogN大约是20 000 00020 000 000。当N增长到原来的两倍，运行时间超过原来的两倍，但超过不是太多。

(5) n^2

    常见的双层循环

(6) n^3

    常见的三层循环

(7) 2^n

    指数级的时间复杂度。

在排序算法中经常会比较n^2和nlog(n)的时间复杂度。在稍后的排序算法中，再详细分析。