一 时间复杂度
若有某个辅助函数f(n),使得当n趋近于无穷大时,T(n)/f(n)的极限值为不等于零的常数,则称f(n)是T(n)的同数量级函数。记作
T(n)=O(f(n))
称O(f(n))为算法的渐进时间复杂度(O是数量级的符号),简称时间复杂度
一般情况下,不比计算所有操作的执行次数,而只考虑算法中基本操作执行的次数,它是问题规模n的某个函数,用T(n)表示。
二 定理
若f(n)=amnm+am-1nm-1+…+a1n1+a0是m次多项式,则T(n)=O(nm)
忽略所有低次幂项和最高次幂系数,体现出增长率的含义
三 分析算法时间复杂度的基本方法
- 找出语句频度最大的那条语句作为基本语句
- 计算基本语句的频度得到问题规模n的某个函数f(n)
- 取其数量级用符号"O"表示
四 示例
4.1 实例一
x=0;y=0;
for(int k=0;k<n;k++)
x++;
for(int i=0;i<n;i++)
for(int j=0;i<n;j++)
y++;
说明:
- 第一段函数的数量级为1
- 第2段函数的数量级为n
- 第3端函数的数量级为n2
4.2 示例2
void exam(float x[][],int m,int n)
{
float sum[];
for(int i=0;i<m;i++)
{
sum[i]=0.0;
for(int j=0;j<n;j++)
sum[i]+=x[i][j];
}
for(int i=0;i<m;i++)
count<<i<<":"<<sum[i]<<endl;
}
时间复杂度为:f(n)=m*n
时间复杂度是由嵌套最深层语句的频度决定的
4.3 示例3 NxN矩阵相乘
for(i=1;i<=n;i++)
for(j=1;j<=n;j++)
c[i][j]=0;
for(k=1;k<=n;k++)
c[i][j]=c[i][j]+a[i][j]*b[k][j];
时间复杂度为:T(n)=O(n3)
算法中的基本操作语句为:c[i][j]=c[i][j]+a[i][j]*b[k][j]
n n n n n n
T(n)=∑ ∑ ∑ 1 = ∑ ∑ n = ∑n^2 = n^3 = O(n^3)
1 1 1 1 1 1
4.4 示例4
for(i=1;i<=n;i++)
for(j=1;j<=i;j++)
for(k=1;k<=j;k++)
x=x+1;
时间复杂度为:T(n)=O(n3)
语句频度
n i j n i n
∑ ∑ ∑ 1 = ∑ ∑ j = ∑ i(i+1)/2 = n(n+1)(n+2)/6
i=1 j=1 k=1 i=1 j=1 i=1
4.5 示例5
i=1; ①
while(i<=n)
i=i*2; ②
分析:关键是要找出执行次数x与n的关系,并表示成n的函数
- 若循环执行1次:i=1*2=2
- 若循环执行2次:i=2*2=22
- 若循环执行3次:i=2*2*2=23
- 若循环执行x次:i=2x
设语句②执行次数为x次,由循环条件i<=n,2x<=n,x<log2n
2f(n)<=n,即f(n)<=log2n,取最大值f(n)=log2n