时间复杂度

算法效率

算法效率分析分为两种：第一种是时间效率，第二种是空间效率。

时间效率被称为时间复杂度，而空间效率被称作空间复杂度。

时间复杂度主要衡量的是一个算法的运行速度，
空间复杂度主要衡量一个算法所需要的额外空间

时间复杂度

1.概念

算法的时间复杂度是一个函数，它定量描述了该算法的运行时间。
算法中的基本操作的执行次数，为算法的时间复杂度

2.大O的渐进表示法

例：请计算一下Func1基本操作执行了多少次？

void Func1(int N)
{
	int count = 0;
	for (int i = 0; i < N; ++i)
	{
		for (int j = 0; j < N; ++j)
		{
			++count;
		}
	}
	for (int k = 0; k < 2 * N; ++k)
	{
		++count;
	}
	int M = 10;
	while (M--)
	{
		++count;
	}
	printf("%d\n", count);
}

Func1 执行的基本操作次数 ：

大O的渐进表示法：只需要大概执行次数
大O符号：用于描述函数渐进行为的数学符号

推导大O阶方法：

• 用常数1取代运行时间中的所有加法常数。
• 在修改后的运行次数函数中，只保留最高阶项。
• 如果最高阶项存在且不是1，则去除与这个项目相乘的常数。得到的结果就是大O阶。

使用大O的渐进表示法以后，Func1的时间复杂度为：
有些算法的时间复杂度存在最好、平均和最坏情况：

• 最坏情况：任意输入规模的最大运行次数(上界)
• 平均情况：任意输入规模的期望运行次数
• 最好情况：任意输入规模的最小运行次数(下界)

在实际中一般情况关注的是算法的最坏运行情况

3.实例

1. 计算Func2的时间复杂度？

void Func2(int N)
{
	int count = 0;
	for (int k = 0; k < 2 * N; ++k)
	{
		++count;
	}
	int M = 10;
	while (M--)
	{
		++count;
	}
	printf("%d\n", count);
}

时间复杂度：F(N)=2*N+10 ==> O(N)

2. 计算Func3的时间复杂度？

void Func3(int N, int M)
{
	int count = 0;
	for (int k = 0; k < M; ++k)
	{
		++count;
	}
	for (int k = 0; k < N; ++k)
	{
		++count;
	}
	printf("%d\n", count);
}

时间复杂度：F(N)=M+N ==> O(M+N)

若M远大于N，则为O(M)；若N远大于M，则为O(N)；若M和N一样大，则为O(M)或O(N)

3. 计算Func4的时间复杂度？

void Func4(int N)
{
	int count = 0;
	for (int k = 0; k < 100; ++k)
	{
		++count;
	}
	printf("%d\n", count);
}

时间复杂度：F(N)=100 ==> O(1)

O(1)代表常数次（嵌套除外）

原因：CPU足够快且有最大限制（int）

4. 计算strchr的时间复杂度？

const char * strchr ( const char * str, int character );

时间复杂度： O(N)

strchr:定位字符串str中字符character第一次出现的位置
执行最好1次（第一个就找到），最坏N次（最后才找到）
时间复杂度一般看最坏

5. 计算BubbleSort的时间复杂度？

void BubbleSort(int* a, int n)
{
	assert(a);
	for (size_t end = n; end > 0; --end)
	{
		int exchange = 0;
		for (size_t i = 1; i < end; ++i)
		{
			if (a[i - 1] > a[i])
			{
				Swap(&a[i - 1], &a[i]);
				exchange = 1;
			}
		}
		if (exchange == 0)
			break;
	}
}

时间复杂度：

6. 计算BinarySearch的时间复杂度？

int BinarySearch(int* a, int n, int x)
{
	assert(a);
	int begin = 0;
	int end = n - 1;
	while (begin < end)
	{
		int mid = begin + ((end - begin) >> 1);
		if (a[mid] < x)
			begin = mid + 1;
		else if (a[mid] > x)
			end = mid;
		else
			return mid;
	}
	return -1;
}

时间复杂度：O(logN)

当查找区间缩放只剩一个值或找不到时，是最坏情况。
除以了多少次2，就查找了多少次。
若查找了X次，则

只要底数为2可以简写为logN，其他的都要写出来

7. 计算阶乘递归Factorial的时间复杂度？

long long Factorial(size_t N)
{
	return N < 2 ? N : Factorial(N - 1) * N;
}

时间复杂度：O(N)

递归算法时间复杂度是多次调用的次数累加

8. 计算斐波那契递归Fibonacci的时间复杂度？

long long Fibonacci(size_t N)
{
	return N < 3 ? 1 : Fibonacci(N-1)+Fibonacci(N-2);
}

时间复杂度：

4.暴力查找和二分查找

暴力查找的时间复杂度：O(N)
二分查找的时间复杂度：O(logN)

N	1000	100W	10亿	14亿
O(N)	1000	100W	10亿	14亿
O(logN)	10	20	30	31