[数据结构]（一）时间复杂度

时间复杂度的解释与例题

声明：本人也在学习过程中，难免出现错误，所以如果大家发现错误，请不吝赐教，谢谢指正。

在数据结构考研大纲的基础知识中，对算法的时间复杂度的计算一直是考察的重点。这一部分如果说简单，但是又容易出错；如果说难，又是有规律可循的。因此，只要按照特定的步骤对程序进行逐步分析，就能准确无误的得到答案。

让我们先来看一看时间复杂度的定义。

01定义

时间复杂度是对算法效率的衡量标准，这是对其定性的描述。对于其定量描述，要引入以下概念：

频度： 一个语句的频度是指该语句在算法中被执行的次数。

比如下列程序中：

# 例
a = 0
for i in range(10):
    a += i

其中 a += i 语句的被执行次数是10，频度也就是10。

我们设算法中所有语句的执行次数之和为 $T(n)$ ，$n$ 为问题规模，那么可以知道，算法最深层次的语句（例如例中的a+=1）的执行次数与 $T(n)$是同数量级的，计算 $T(n)$ 时比较复杂，所以我们可以通过最深层次语句的频度$f(n)$来衡量算法的时间复杂度，记为:
$$T(n)=O(f(n))$$
其中， $O$ 的含义是 $T(n)$ 的数量级，表达的意思是，$T(n)$ 的数量级是 $f(n)$ 的函数，即与最深层次的语句频度有关。

由此一来，我们在计算的时候就有了目的，只要计算出 $f(n)$，就相当于找到了时间复杂度。

02分类以及规则

021分类

虽然对于一个算法来说，程序的执行步骤是确定的，但是面对不同的输入数据，时间复杂度也会有所区别，因此按照结果的不同，可以将复杂度分为以下几类：

1. 最坏时间复杂度
2. 平均时间复杂度
3. 最好时间复杂度

举一个例子，在后序查找算法中，如果目标元素在最后一个位置，那么第一次比较就可以得到答案，此时底层移位语句的执行次数$f(n)$为常数，则时间复杂度为 $O(1)$；如果目标元素在第一个位置，那么底层移语句执行次数为 $n$ ，则时间复杂度为 $O(n)$。

为了衡量一个算法的整体效率，我们一般使用最坏时间复杂度来表示算法的效率下限。如果没有特殊说明，时间复杂度指的都是最坏时间复杂度。

022规则

加法规则

当要衡量的算法由几个底层语句并列时，我们遵守加法规则，即：

$T(n)=T_1(n)+T_2(n)=O(g(n))+O(f(n))=O(\max (g(n),f(n)))$

乘法规则

当算法的底层语句出现与上层的嵌套时，遵守乘法规则，即：

$T(n)=T_1(n)\times T_2(n)=O(g(n))\times O(f(n))=O(g(n)\times f(n))$

常见的时间复杂度的比较

$O(1)<O({\log }_{2}n)<O(n)<O(n{\log }_{2}n)<O(n^2)<O(n^3)<O(2^n)<O(n!)<O(n^n)$

03例题解析

开头已经说过，时间复杂度这一块虽然算起来很复杂，但是计算有章法，只要按照步骤计算，总能得出正确答案，接下来把我总结的方法结合几个例题进行详细解释。

方法：

一般的程序都是套在循环当中的，所以我们先设置一个变量 $t$ 来存放循环的次数，其次，程序中会有一个基本计数单位 $i$ ，每一次循环都会判断计数单位 $i$ 是否满足特定条件，最底层程序的执行次数其实就是循环判断条件满足的次数，最终我们根据循环次数 $t$ 与计数单位 $i$ 的关系，代入循环条件，就能得到程序的时间复杂度。

请看下列例题的详细解释。

例1

设 $n$ 是描述问题规模的非负整数，那么下列程序片段的时间复杂度是多少？

x = 2;
while(x<n/2)
    x = 2*x;

解：

设 $t$ 为循环执行次数，程序中的 $x$ 为基本计数单位，可以得到下表：

t	x
1	2
2	4
3	8
4	16

[注意，这里的 $x$ 值是对应第 $t$ 次的循环判断语句结束后的状态，并未执行底层语句]

经过几次推理，我们可以得到 $t$ 与 $x$ 的关系为：$x=2^t$ 。

根据我们的循环条件 $x<n/2$ ，有 $2^t<n/2$ 。

则可以得到 $t<{\log }_2(n/2)={\log }_{2}n-1<{\log }_{2}n$ 。

因此该程序片段的时间复杂度为 $O(lo{g}_{2}n)$。

例2

下列函数的时间复杂度是多少？

int func(int n){
    int i = 0,sum = 0;
    while(sum<n)
        sum += ++i;
    return i;
}

解：

设循环次数为 $t$ ，基本计数单位是 $sum$，但是 $sum$ 与 $i$ 有关，所以我们将 $i$ 也考虑在内，方便计算，于是可以得到下表

t	i	sum
1	0	1
2	1	1+2 = 3
3	2	1+2+3 = 6
4	3	1+2+3+4 = 10

好了，我们可以看出，$sum$ 与 $t$ 的关系为 $sum=\frac{t(1+t)}{2}$ ，则由判断条件中 $sum<n$ 可以得到 $\frac{t(t+1)}{2}<n$ ，则 $t$ 与 $n$ 的关系为 $t<\sqrt{2n}$ ，因为时间复杂度是一个数量级，所以去掉系数此函数的时间复杂度为 $O(\sqrt{n})$ 。

例3

下列程序段的时间复杂度是多少？

count = 0;
for(k=1;k<n;k*=2)
    for(j=1;j<n;j++)
        count++

解：

这道题的最底层语句是两层循环嵌套实现的，很明显要用乘法规则计算，我们可以分开算。

对于最外层，设执行次数为 $t_1$ ，基本计数单位是 $k$ ，则可得下表：

$t1$	$k$
1	1
2	2
3	4
4	8

则可以得到 $k=2^{t_1-1}<n$ ，即 $t_1<{\log }_{2}n+1$ ，去掉杂项，则最外层的时间复杂度为 $O({\log }_{2}n)$ 。

对于最内层，可以直观的看出时间复杂度为 $O(n)$.

所以由乘法规则有，整个程序的时间复杂度为 $O(n{\log }_{2}n)$。

04总结

这一块知识考察的很单一，所以很有可能用其他的方式综合考察，比如说搭配排序，查找，甚至一些更复杂的存储结构的增删改查。但是万变不离其宗，只要抓住最主要的那一个点，分析清楚最底层语句的执行逻辑，就能很快的解出答案。

作者：Ap01lo
首发网站：https://ap01lo.github.io/
转载请注明出处