接上篇时间复杂度1,我们已经知道了时间复杂度的定义及一般运算方法,接下来我们学习一下递归算法的时间复杂度
例如
求n!的递归算法:
int fun(int n)
{
if(n==1)
return 1;
else
return n*fun(n-1);
}
求fun(4),n=4
fun(4)---O(1)
fun(3)---O(1)
fun(2)---O(1)
fun(1)---O(1)
共O(n)。虽然没有包含循环,但是时间复杂度不是O(1),而是O(n).
例
void fun(int a[],int n,int k)
{
int i;
if(k==n-1)
for(i=0;i<n;i++)
cout<<a[i <<" ";
else
{
for(i=k;i<n;i++)
a[i]=a[i]+i*i;
fun(a,n,k+1);
}
}
函数包含并列的两重循环,即为一重循环,,那它的时间复杂度是O(n)吗?显然不是。而是O(n*n)
因此,我们在求时间复杂度时,不是要单单关注其循环次数,还要关注其中有没有递归,应该对代码进行分析求得最终的时间复杂度。
常见的时间复杂度的大小比较为:
O(1)<O(logn)<O(n)<O(nlogn)<O(n*n)<O(n*n*n)<O(2的n次方)<O(n*n-1*...*2*1)<O(n的n次方) .