时间复杂度(Time Complexity)
时间复杂度是计算机科学中用于描述算法效率的一种度量方式。具体而言,它用于估计在最坏、最好或平均情况下,算法需要多长时间来处理输入数据并输出结果。
时间复杂度通常用大O记法(Big O notation)来表示。
1. 常数时间(Constant Time): O(1)
- 描述:不论输入多大,算法的运行时间始终是一个常数。
- 例子:
- 数组索引访问
- 哈希表的插入和查找(理论上)
arr大小为n,但索引与n的大小无关,所以是O(1)。
数组索引(起始地址 + 索引×元素大小)直接定位到任何一个特定的数组元素,而不需要遍历数组,所以是O(1),而链表中查找一个元素通常是 O(n)。
2. 对数时间(Logarithmic Time): O(log n)
- 描述:每次算法的一次迭代都会大幅减少问题的规模。
- 例子:
- 二分查找
# 二分查找
int binarySearch(int arr[], int target) {
int left = 0, right = arr.length - 1;
while (left <= right) {
int mid = left + (right - left) / 2;
if (arr[mid] == target) return mid;
if (arr[mid] < target) left = mid + 1;
else right = mid - 1;
}
return -1;
}
给定一个数字 n,每次都把它除以 2。需要进行多少次这样的操作才能把 n 减小到 1?
- 第一次操作后,n 变成 n/2
- 第二次操作后,n 变成 n/4
- 第三次操作后,n 变成 n/8
- ···
- 第 k 次操作后,(n) 变成 n/2^k
当 n/2^k = 1 时,我们停止操作。解这个方程,我们得到 k = log_2 n。
因此,这个过程需要 log_2 n 次操作。
在实际应用中,底数 2 通常不是严格要求的——任何固定底数的对数函数(如 (log_2 n)、(log_10 n) 等)在大 (O) 记号下都是等价的。
所以通常简写为 O(log n)。
3. 线性时间(Linear Time): O(n)
- 描述:算法的运行时间与输入大小成正比。
- 例子:
- 简单查找
- 遍历数组或列表
for(int i = 0; i < n; i++) {
// 常数时间操作
}
执行了n次,所以是 O(n)。
4. 线性对数时间(Linear-Logarithmic Time): O(n log n)
- 描述:有些排序算法(如快速排序、归并排序)具有这种时间复杂度。
- 例子:
- 快速排序
- 归并排序
void mergeSort(int arr[], int left, int right) {
if (left < right) {
int mid = (left + right) / 2;
mergeSort(arr, left, mid);
mergeSort(arr, mid + 1, right);
merge(arr, left, mid, right);
}
}
第一层:
n
第二层:
n/2+n/2=n
第三层:
n/4+n/4+n/4+n/4=n
...
每一层的工作量是 n,树的高度是 log n,执行次数为 n * log n。
所以总的时间复杂度是 O(n log n)。
5. 平方时间(Quadratic Time): O(n^2)
- 描述:算法的运行时间与输入大小的平方成正比。
- 例子:
- 冒泡排序
- 插入排序
for(int i = 0; i < n; i++) {
for(int j = 0; j < n; j++) {
// 常数时间操作
}
}
执行了 n * n 次,所以是 O(n^2)。
6. 立方时间(Cubic Time): O(n^3)
- 描述:算法的运行时间与输入大小的立方成正比。
- 例子:
- 矩阵乘法(简单实现)
for(int i = 0; i < n; i++) {
for(int j = 0; j < n; j++) {
for(int k = 0; k < n; k++) {
// 常数时间操作
}
}
}
执行了 n * n * n 次,所以是 O(n^3)。
7. 指数时间(Exponential Time): O(2^n)
- 描述:这类算法在处理大规模数据时效率非常低。
- 例子:
- 斐波那契数列的递归实现
int fibonacci(int n) {
if (n <= 1) return n;
return fibonacci(n - 1) + fibonacci(n - 2);
}
执行的次数为:2^0 + 2^1 + ··· + 2^n
根据等比数列求和公式 S = a * [1 - r^(n+1)] / (1 - r) 得:2^(n+1) - 1
简化为 O(2^n)
8. 阶乘时间(Factorial Time): O(n!)
- 描述:这是效率最低的算法,仅用于非常小规模的问题。
- 例子:
- 旅行商问题的暴力解法(尝试所有路径)