数据结构（C语言版）——算法效率的度量

算法时间复杂度

事前预估算法时间开销（T）与问题规模n的关系。 T = T(n)

算法1.逐步增加型爱你

#include <stdio.h>
void loveYou(int n) {
	int i = 1;//1
	while (i <= n) {//2
		i++;//3
		printf("I Love You %d\n", i);//4
	}
	printf("I Love You More Than %d\n", n);//5
}
int main() {
	loveYou(3000);
}

语句频度：1--1次    2--3001次     3,4--3000次     5--1次 

T(3000) = 1 + 3001 + 2 * 3000 + 1

时间开销与问题规模n的关系：T(n) = 3n + 3

T1(n) = 3n + 3 ≈ n

T2(n) = n^2 + 3n + 1000 ≈ n^2

T3(n) = n^3 + n^2 + 9999999 ≈ n^3

当问题规模n足够大的时候，我们可以忽略掉表达式中更低阶的部分

结论：一个算法的时间开销表达式，我们只需要表示阶数最高的部分就可以了

T1(n) = O(n)

T2(n) = O(n^2)

T3(n) = O(n^3)

大O表示“同阶”，同等数量级。即：当n->∞时，二者之比为常数

数量级大小比较：

O(1) < O() < O(n) < O() < O(n^2) < O(n^3) < O(2^n) < O(n!) < O(n^n)

常对幂指阶     常 < 对 < 幂 < 指 < 阶

算法2.嵌套循环型爱你

#include <stdio.h>
void loveYou(int n) {
	int i = 1;
	while (i <= n) {
		i++;
		printf("I Love You %d\n", i);
		for (int j = 1;j <= n;j++) {
			printf("I am Iron Man\n");
		}
	}
	printf("I Love You More Than %d\n", n);
}

时间开销与问题规模n的关系：T(n) = O(n) + O(n^2) = O(n^2)

结论1：顺序执行的代码只会影响常数项，可以忽略

结论2：只需挑循环中的一个基本操作分析它的执行次数与n的关系即可

结论3：如果有多层嵌套循环，只需关注最深层循环循环了几次

算法3.指数递增型爱你

#include <stdio.h>
void loveYou(int n) {
	int i = 1;
	while (i <= n) {
		i = i * 2;
		printf("I Love You %d\n", i);
	}
	printf("I Love You More Than %d\n", n);
}

时间开销与问题规模n的关系：T(n) = O() 

算法4.搜索数字型爱你

#include <stdio.h>
void loveYou(int flag[], int n) {
	printf("I Am Iton Man\n");
	for (int i = 0;i < n;i++) {
		if (flag[i] = n) {
			printf("I Love You %d\n", n);
			break;
		}
	}
}

计算上述算法的时间复杂度T(n)

最好情况（一般不考虑）：元素n在第一个位置 --最好时间复杂度T(n) = O(1) 

最坏情况：元素n在最后一个位置 --最坏时间复杂度T(n) = O(n)

平均情况：假设元素n在任意一个位置的概率相同为1/n --平均时间复杂度T(n) = O(n)