算法时间复杂度

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

1. 可忽略常数项
2. 可忽略低次项

时间复杂度

介绍

1. 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
2. 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

1. 用常数1代替运行时间中的所有加法常数
2. 修改后的运行次数函数中，只保留最高阶项
3. 去除最高阶项的系数

常见时间复杂度顺序

1. 常数阶O(1)
2. 对数阶O(log2 n)
3. 线性阶O(n)
4. 线性对数阶O(nlog2 n)
5. 平方阶(n^2)
6. 立方阶(n^3)
7. k次方阶(n^k)
8. 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

1. 平均时间复杂度：所有可能的输入实例均以等概率出现
2. 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

1. 一个算法的所耗费的存储空间
2. 一个算法在运行过程中临时占用存储空间大小的量度
3. 在做算法分析时，主要讨论的是时间复杂度。