时间复杂度

时间复杂度

大O的渐进表示法

大O符号：适用于描述函数渐进行为的数学符号。

推导大O阶的方法：

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，只保留最高阶。
3. 如果最高阶存在且不是1，则去除与这个项目相乘的常数（系数）。

得到结果就是大O阶。

常见类型时间复杂度

常数循环时间复杂度

无论代码执行了多少行，只要是没有循环等复杂结构，那这个代码的时间复杂度就都是O(1)。

双重（多重）循环时间复杂度

O(n + m + k······）

嵌套循环时间复杂度

如果把 O(n) 的代码再嵌套循环一遍，它的时间复杂度就是 O(n²) 或O(n*n).

strchar的时间复杂度

const char * strchr ( const char * str, int character);
/*while(*str)
{
    if(*str == character)
        return str;
    else
        ++str;
}*/

在时间复杂度计算中，通常假设数组(整型数组和字符数组)或者是字符串的长度是N，和通常使用大小N来表示某种未知（不定）的大小，例如：

有些算法的时间复杂度存在最好、平均和最坏情况：

最坏情况：任意输入规模的最大运行次数(上界) N

平均情况：任意输入规模的期望运行次数 N/2

最好情况：任意输入规模的最小运行次数(下界) 1
当一个算法随着输入的不同，时间复杂度不同，时间复杂度做悲观预期，看最坏的情况。

冒泡排序时间复杂度

for(i = 0; i < n - 1; i++)
{
    int j;
    for(j = 0; j < n - 1 - i; j++)
    {
        ......
    }
}

冒泡排序的时间复杂度，如果通过冒泡排序来排n个数字的话，就需要n-1趟冒泡，外层for循环的次数已经确定是n-1次，

但是内层for循环的次数是不断变换的，当i=0时，内层for循环第一次循环的次数是n-1次，，当i=1时，内层for循环第二次循环的次数是n-2次，所以，内层for循环的次数是不断在改变的，不能两个for循环次数直接相乘。

当for循环嵌套的时候，如果内外for循环的循环次数都是定值的时候，才可以直接相乘得到执行次数，再通过大O方法推导出时间复杂度。

嵌套循环如果有一层循环的循环次数在不断改变的时候，一般都是外层循环次数是定值，内层循环次数会不断改变，这样的话就不可以直接相乘得到执行次数。

如果通过冒泡排序来排n个数的话，外层for循环需要循环n-1次，内层for循环每次循环n-1-i 次，总的执行次数

T（N）=n-1 + n-2 +n-3 + … 1 ，

一共是n-1项相加， 这n-1项代表的是外层for循环的次数，每一项代表的是每一次外层for循环对应的内层for循环的次数。通由等差数列求和公式可知，

T（N）=(（n-1+1）( n-1 ) )/2

最高次数项就是(n^2)/2

最终的时间复杂度就是O(n^2)。

二分法查找时间复杂度

在二分查找中，最好的情况就是查找一次就找到了，执行次数是1，则时间复杂度就是O(1)，默认数组的长度为N，遍历的时候，则最坏情况就是执行N次，但二分查找，不是暴力查找，时间复杂度不可能是O（N）

对于二分查找，最坏的情况就是两端中间只有一个数字了，，由于二分查找是对半查找，最坏就剩一个数字，反推则有：1 * 2 * 2…*2=N，，假设乘了x个2，则有

2^x=N，

x=log以2为底的N次方

时间复杂度就是O（log以2为底的N次方）简写O（logN）。

二分查找很牛逼，但需要先排序。

阶乘递归的时间复杂度

关于递归求时间复杂度需要掌握两个结论：

1、如果每次函数调用中总的执行次数和递归参数无关，则递归算法的时间复杂度= 递归的次数 x 每次递归函数中的时间复杂度。

2、如果每次函数调用中总的执行次数和递归参数有关，则递归算法的时间复杂度就等于所有的递归调用中执行次数的累加。

在递归算法中，只考虑能递归的部分，即考虑N>=2的时候，对于N<2的情况，当做递归结束的标志。

斐波那契递归的时间复杂度

计算斐波那契数列的时间复杂度的公式：递归算法的时间复杂度= 递归的次数 *每次递归函数中的时间复杂度.

//计算斐波那契递归Fib的时间复杂度
long long Fib(size_t N)
{
    if(N < 3)
        return 1;
    return Fib(N - 1) + Fib(N - 2);
}

2^ Fib(N)

2^1 Fib(N-1) Fib(N-2)

2^2 Fib(N-2)Fib(N-3) Fib(N-3) Fib(N-4)

​ Fib(2)

2^n-1 Fib(1) Fib(2) 右边一些递归会提前结束

Fib(N) = 2⁰⁺²1+2^2+…+2(N-1)-X( 缺一些递归调用)

=2^N-1-X

O((2^N-1-X)*1) = O(2^N)