常见问题时间复杂度的计算过程

        算法是用系统的方法解决实际问题的策略机制，算法的质量将影响到程序的效率，而时间复杂度则是评判时间复杂度的标准，时间复杂度越小，算法越好，程序执行效率越高，反之，效率越差。

【表示方法】

       大O表示法：

       当且仅当存在正常数c和n0，使得

           T（n）<=cf（n）

       对所有的n>n0成立。T（n）=O（f（n））称为算法的渐进时间复杂度，简称时间复杂度。（f（n）是问题规模n的某个函数）。例如：T（n）= n^2+4n+1，则可以用数学助记符号O(n^2)表示时间复杂度。

     

       分析：（1）f（n）是n足够大时，对T（n）起支配作用的表达式。

                  （2）时间复杂度跟f（n）前面的系数关系不大。 

       

                                                   图1  n的二次方与一次方对比图                                                                            图2  一次方与log2X的对比图

        由图1可明显看出，n^2与n做对比，始终会存在一个点A，前者超过后者，因此起决定作用的是n^2;由图2可以看出，x对比log2x，x起决定作用。

【常见算法复杂度】

        常见的算法设计分为5大类： 

                   

       经典排序算法：

                                                

         算法时间复杂度与算法的构成是紧密结合的，并不是准确的比较或者交换次数，而是一个概数，且在不同的条件下比较或者交换次数是不同的，可分为最坏时间复杂度，最好时间复杂度，平均时间复杂度，默认情况下算的是最坏复杂度。

      1.  归并排序复杂度

                                

      归并排序体现的是分组思想，现采用上面16个数的排序（体现特殊情况）对应一般情况的分析方法：

                 

         根据上面16个数排序的特殊情况来归纳一般情况（n）：

           （1）计算每次分组比较+交换次数：n

           （2）共进行了几次分组：

                          

        由上图可以得出，组的个数都是在原来的基础上/2得到的，到1为止，因此，共进行几次分组，即n可以进行几次二分运算，为log2（n）.

            （3）总复杂度为：O（n*log2(n)）

      2.  0-1背包问题复杂度

        0-1背包问题的实现时嵌套在两个循环里的，具体实现请看上篇博文《动态规划算法》。

        其分两步循环实现：第一步，内层嵌套先判断能不能物品能不能放进包内，共要比较允许的最大重量W次；第二步，外层循环确定共有几个物品，执行n次循环。

   

       因此时间复杂度很清楚为：T（n）=n*w=O（nw）

    3. 快速选择算法复杂度

        复杂比较次数是不确定的，指定的默认值不同，比较次数也不同，复杂度也就不同，如下实例：共分组次数为4，比较次数为：5+3+2+1=11

                                             

                                                 

                                                        

                                                                                                          

          上面是一种复杂的情况，下面举例说明平均复杂度与最坏时间复杂度：

           （1）平均时间复杂度，每次指定的值都会排序到本组中间的情况：

                               

         假设n足够大时，n要远远大于比较的次数，此时，每次分组比较次数（n-2*m-1）就可以看做是n了（m为第几次比较）。n每次取中间值，相当于二分法可以分log2n次，所以平均时间复杂度可以理解为O（nlog2n）。

       （2）最坏时间复杂度， 每次指定的值都排在末尾：

                                         

   

       由上图可以得到，比较次数为1+2+3+...n-1=n*（n-1）/2,所以最坏情况下的时间复杂度为O（n^2）。

 【总结】

        时间复杂度的计算过程是由特殊到一般的过程，使用特殊的数值得到普遍的规律，而结果却是一个概数，但这种结果已经足够让我们作为依据评论一个算法的优劣。

       

        同时也让我们明白，算法的执行次数尽管复杂多变，我们只要取平均或最差情况，就能实现自己的目的，只有理解这些模糊数据的存在，才能真正理解算法复杂度。

  研究文档下载地址：http://wenku.baidu.com/view/eb65c8f3a98271fe900ef90e