【数据结构——时间复杂度】

前言

算法在编写成可执行程序后，运行时需要耗费时间资源和空间(内存)资源 。因此衡量一个算法的好坏，一般是从时间和空间两个维度来衡量的，即时间复杂度和空间复杂度。
时间复杂度主要衡量一个算法的运行快慢，而空间复杂度主要衡量一个算法运行所需要的额外空间，本节研究的是时间复杂度。

一、时间复杂度的概念

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。一个算法执行所耗费的时间，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，算法中的基本操作的执行次数为算法。
这段话的意思是找到某条基本语句与问题规模N之间的数学表达式（见实例），即算出该条语句的执行次数就是算出了该算法的时间复杂度。

二、大O渐进表示法

实际中我们计算时间复杂度时，我们其实并不一定要计算精确的执行次数，而只需要大概执行次数，那么这里我们使用大O的渐进表示法。
推导方法：
1.在修改后的运行次数函数中，只保留最高阶项
2.如果最高阶项存在且不是1，则去除它的系数
例如：语句的·执行次数表达式为F(N)=2N²+3N+2，则用大O渐进表示法则可以表示为O(N²）
大O的渐进表示法去掉了那些对结果影响不大的项，简洁明了的表示出了执行次数

三、实例

代码如下（示例）：

void Func1(int N)
{
	int count = 0;
	for (int i = 0; i < N; ++i)
	{
		for (int j = 0; j < N; ++j)
		{
			++count;
		}
	}
	for (int k = 0; k < 2 * N; ++k)
	{
		++count;
	}
	int M = 10;
	while (M--)
	{
		++count;
	}
	printf("%d\n", count);
}

这个代码块的执行次数为F(N)=N²+2N+11(嵌套是N次数相乘，无关则是相加），++count语句执行的次数为F(N)=N²+2N+10，用大O渐进表示法为O（N²）

void Func2(int N, int M)
{
	int count = 0;
	for (int k = 0; k < M; ++k)
	{
		++count;
	}
	for (int k = 0; k < N; ++k)
	{
		++count;
	}
	printf("%d\n", count);
}

因为不知到N与M的大小，所以用大O渐进表示法为O(M+N)

void Func3(int N)
{
	int count = 0;
	for (int k = 0; k < 100; ++ k)
	{
		++count;
	}
	printf("%d\n", count);
}

此处可以看到执行的次数为常数项次，所以为O（1）

void Func4(int n)
{
	for (int i = 0; i <= n; ++i)
	{
		for (int j = i; j < n; ++j)
		{
			printf("%d,%d", i, j);
		}
	}
}

经过每次循环内层n的循环次数就减少一次，所以该语句的执行次数为F(N)=N*(N-1)(N-2)………21,由等差数列公式可得F(N)=1/2N^2+1/2N,大O渐进表示法可以表示为O（N²）

四、常见复杂度对比

时间运算的快慢按照O(1)<O(logn)<O(n)<O(n*logn)<O(n²)<O(n³)<O(2ⁿ)的顺序