时间频度
介绍
一个算法花费的时间与算法中语句的执行次数成正比,那个算法中语句执行次数多,它花费的时间就多。一个算法中的语句执行次数被称为语句频度或时间频度,记为T(n)
注意事项
- 可忽略常数项
- 可忽略低次项
时间复杂度
介绍
- 若有某个函数f(n)使T(n)/f(n)的极限值为不等于0的常熟,则称f(n)是T(n)的同数量及函数,基座T(n) = O(f(n))为算法的渐进时间复杂度,建成时间复杂度
- T(n)不同,但时间复杂度可能相同,如:T(n) = n2+7n+6与T(n) = 3n+2n+2它们的T(n)不同,但时间复杂度相同,都为O(n2)
计算方法
- 用常数1代替运行时间中的所有加法常数
- 修改后的运行次数函数中,只保留最高阶项
- 去除最高阶项的系数
常见时间复杂度顺序
- 常数阶O(1)
- 对数阶O(log2 n)
- 线性阶O(n)
- 线性对数阶O(nlog2 n)
- 平方阶(n^2)
- 立方阶(n^3)
- k次方阶(n^k)
- 指数阶(2^n)
常数阶
没有循环等复杂结构,只执行一次
对数阶
int i = 1;
while(i<n)
i = i*2;
//此时当运行了log2 n次之后,i = n
线性阶
for(int i =0 ; i< n ; i++)
j = i;
线性对数阶
for(int m = 1; m<n ; m++){
int i = 0;
while(i<n)
dosomenthing....
}
平方阶
for(int x = 1; i<=n ; i++)
for(int j = 1; j<= n; j++)
dosomething.....
平均时间复杂度和最坏时间复杂度
- 平均时间复杂度:所有可能的输入实例均以等概率出现
- 最坏时间复杂度:最坏情况下的时间复杂度
算法空间复杂度
基本介绍
- 一个算法的所耗费的存储空间
- 一个算法在运行过程中临时占用存储空间大小的量度
- 在做算法分析时,主要讨论的是时间复杂度。