【时间复杂度】

一.时间复杂度定义

时间复杂度的定义：在计算机科学中，算法的时间复杂度是一个函数，它定量描述了该算法的运行时间，一个算法执行所消耗的时间，从理论上说，是不能算出来的，只有你把你的程序放在机器上跑起来，才能知道，但是我们需要每个算法都要上机测试吗？是可以都上机测试，但是这很麻烦，所以才有了时间复杂度这个分析方式。一个算法所花费的时间与其中语句的执行次数成正比例，算法的基本执行次数，为算法的时间复杂度。
即：找到某条基本语句与问题规模N之间的数学表达式，就是算出了该算法的时间复杂度。

二. 实例

实例一.

显然F（N）= NN+2N+M
第一个for循环嵌套第二个循环，执行了NN次，第三个for循环2N次，最后while循环执行了M次。
最终该例子时间复杂度为O（N）
为什么？

三. 复杂度的大O渐近表示法

• 大O符号：是用于描述函数渐进行为的数学符号。
• 1.用常数1取代运行时间中的所有加法常数。
• 2.在修改后的运行次数函数中，只有保留最高阶的项。
• 3.如果最高阶项存在且系数不是1，则去除与这个项目相乘的常数，得到的结果就是大O阶。

案例二.

时间复杂度O（M+N）

• 当问题规模不知一个未知数是，要讨论M，N的大小关系。
• 1. 如果M>>N,N就是常数可以忽略，此时时间复杂度就是O（M）。
• 2. 如果N>>M，M就是常数可以忽略，此时时间复杂度就是O（N）。
• 3. 如果M既不远大于N，N又不远大于M，那么此时复杂度就得两个字母表示，即O（M+N）。

实例三.

时间复杂度O(1),此题执行了常数次与问题规模N无关

三.

• 但是有些算法存在好几种情况：

• 1. 最坏情况：任意输入规模的最大运行次数（上界）
• 2. 平均情况：输入任意规模的期望运行次数
• 3. 最好情况：任意输入规模的最小运行次数（下界）

那实际中我们一般关注的是算法的最坏运行情况，是保守的情况。

实例四.

冒泡排序的时间复杂度即最坏情况：O（N*N）

• 最好情况：一趟即常数次O（1）。
• 平均情况：找N-1/2趟，第一趟N-1次，第二趟N-2次，等差数列，即（N-1+N-1/2）（N-1-N-1/2）/2 = NN/2.
• 最坏情况：找n-1趟，即等差数列求和，第一趟N-1次，到最后一趟1次，求和最终答案O（N*N）。

实例五.

时间复杂度即最坏情况：O（N）
该算法是left从左往右找比目标值大的数，而right找比目标值小的数，找到即停止，将a【left】与a【right】交换，确保比目标值小的数在左边，比目标值大的在右边。
**最坏left从左边一直找到与从右边一直找过来的right重合，共遍历了数组一遍，即N次所以时间复杂度O（N）。