算法复杂度分析的那些事

我是自动化专业的应届研究生，最终拿到了tplink、华为、vivo等公司的ssp的offer，分享自己学习过的计算机基础知识（C语言+操作系统+计算机网络+linux）以及数据结构与算法的相关知识，保证看完让你有所成长。
欢迎关注我，学习资料免费分享给你哦！还有其他超多学习资源，都是我自己学习过的，经过过滤之后的资源，免去你还在因为拥有大量资源不知如何入手的纠结，让你体系化学习。

对于一个算法来说，我们如何评价它的好坏呢？一般来说就是通过程序解决问题的时间和空间。现在的计算机空间效率一般已经不是关注的重点了，但是时间效率仍然是算法关注的重点。而考查一个程序的运行时间，就需要将程序每次执行的操作表示成输入规模的函数。这就是时间复杂度分析。时间复杂度的分析也是算法面试中常考的问题，经过最近的学习，总结如下。

什么是大O记法

举几个例子来说，O(f(n))是一个集合，表示的是所有函数的增长趋势小于等于f（n）的函数集合。比如n属于O（n^2），500n+10属于O（n ^ 2).

对于定义来说就是，对于一个函数g(n)属于O(f(n))中，表示如下的公式：
$$g(n)\in O(f(n))$$
它表示的条件是：对于足够大的n，,g(n)的上界由f（n）的常数倍所确定，也就是说，存在大于0的常数c和非负数n0，使得：对于所有的n大于等于n0时，g(n)都是小于等于cf(n)的。

比如前面所说500n+10小于等于510n^2.它的c=501。

大O记法的一些特性

1.如果$t_1(n)\in O(g_1(n))$ 并且$t_2(n)\in O(g_2(n))$,那么 $t_1(n)+t_2(n)\in O(max{g}_1(n),g_2(n))$

这也是我们在计算时间复杂度中最常使用到的，比如一个算法的时间复杂度是 n^2+n+2，根据上面的定理，我们可以说它的大O时间复杂度是O(n ^ 2)。

2.对于常数的运行时间，对于大O表示法来说都是O(1)。

3.系数对于大O表示法是没有用的，比如n^2和1000n ^2来说，它们的大O记法是一样的，因为通过定义可以知道，系数其实本质上就是定义中的c，所以它们的大O记法都是O（n ^2）。

常见的时间复杂度

1. 对于顺序结构的程序执行，它的时间复杂度就是O(1).

int a=10;
int b=5;

上面程序虽然执行了两步，但对于大O表示法来说，都是O(1),因为2相当于是系数，可以去掉。

2. 下面这个循环结构的时间复杂度是O(n)

for(int i=0;i<n;i++)
{
    int b=10
}

3. 下面这个程序就是O(logn)的时间复杂度

int count=1;
while(count<n)
{
	count=count*2;
}

由于每次执行count扩大两倍，那么就是2^ x=n,可以解得x=log以2为底的n的对数，所以时间复杂度就是O（logn)

4. 双重循环就是O（n^2)的时间复杂度

for（int i=0;i<n;i++)
{
   for(int j=0;j<n;j++)
   {
       //
   }
}

非递归算法的时间复杂度分析

以查找数组中的最大值程序为例，分析计算一个非递归程序时间复杂度是如何计算的。

int MaxElement(int *A,int n)
{
	int maxval=A[0];
	for(int i=0;i<n;i++)
	{
		if(A[i]>maxval)
		{
			maxval=A[i];
		}
	}
	return A[i];
}

可以看到，这个问题的输入规模是数组元素的个数决定的。由前面的学习可以知道，一个程序的时间复杂度是由程序之中大O最大部分决定的，所以只需要计算最大值就可以了，这个程序中的最大值是由for循环部分决定的。for循环内部进行了一步的比较操作，那么对于i从0到n-1，一共进行了n-1次比较，那么整个程序执行的次数就是：
$$C(n)=\sum _{i=0}^{n-1}1=n-1=O(n)$$
所以时间复杂度是O(n),这个分析也证明了前面所说的for循环的时间复杂度是O（n).

非递归的时间复杂度分析的步骤如下：

1）首先找到问题的输入规模在哪里，例如本例的n

2）找出算法的基本操作（一般是最内层的循环)

3）建立一个算法基本操作的求和表达式，利用数学知识得到它的和

4）利用大O的一些准则简化表达式，得到最终的大O时间复杂度分析结果。

bool uniqueElements(int *A,int n)
{
	for(int i=0;i<n-1;i++)
	{
		for(int j=i+1;j<n;j++)
		{
			if(A[i]==A[j])
			{
				return false;
			}
		}
	}
	return true;
}

我们根据上面的一个算法，找出一个数组中是否包含重复元素，来实践一下刚才所说的分析方法，首先找到输入规模为n，但是这个算法如果在中间出现了相同元素，就结束了，所以说不仅仅取决于n，还取决于数组中数据的情况，这里谈论一下最坏的情况，就是遍历了整个数组。

那么此时的输入规模就是n，找到关键的执行步骤，双重循环中的判断语句，每次执行一次。在内循环之中j在i+1和n-1之间的每一个值都会比较一次。在外循环中，i从0到n-2的每个值，都会重复上面的过程一遍。因此可以得到：
$$C_{worst}(n)=\sum _{i=0}^{n-2}\sum _{j=i+1}^{n-1}1$$
此时就考验数学了。首先将内部的j循环展开。
$$C_{worst}(n)=\sum _{i=0}^{n-2}$$