啥是时间复杂度?
时间复杂度( T i m e c o m p l e x i t y Time complexity Timecomplexity)是一个函数,它定性描述该算法的运行时间。这是一个代表算法输入值的字符串的长度的函数. 时间复杂度常用大 O O O表述,不包括这个函数的低阶项和首项系数。
个人理解为运行的次数
时间复杂度分类:
-
算法完成工作最少需要多少基本操作叫做最优时间复杂度,是一种最乐观最理想的状态。
-
算法完成工作最多需要多少基本操作叫做最坏时间复杂度,是算法的一个保障。
-
算法完成工作平均需要多少基本操作叫做平均时间复杂度,它可以均匀全面的评价一个算法的好坏。
时间复杂度基本计算规则:
-
基本操作即只有常数项,认为其时间复杂度为 O ( 1 ) O(1) O(1)
-
顺序结构,时间复杂度按加法进行计算
-
循环结构,时间复杂度按乘法进行计算
-
分支结构,时间复杂度取最大值
-
判断一个算法效率时,往往只需要关注操作数量的最高次项,其他次要项和常数项可以忽略
-
在没有特殊说明时,我们所分析的时间复杂度都是指最坏时间复杂度
时间复杂度的大小比较
O ( 1 ) < O ( l o g 2 N ) < O ( N ) < O ( N l o g 2 N ) < O ( N x ) < O ( 2 N ) < O ( N ! ) O(1) < O(log_2 N) < O(N) < O(Nlog_2N) < O(N^x) < O(2^N) < O(N!) O(1)<O(log2N)<O(N)<O(Nlog2N)<O(Nx)<O(2N)<O(N!)
时间复杂度的计算的时间复杂度计算
单重循环的时间复杂度计算
- O ( N ) O(N) O(N)
for(int i=1;i<=n;i++)
想一下运行了几次?
运行了 n n n 次
那时间复杂度?
O ( n ) O(n) O(n)
类似时间复杂度的还有
while(n--)
- O ( l o g 2 N ) O(log_2N) O(log2N)
for(int i=1;i*i<=n;i*=2)
想一下运行了几次
提示
i i i 1 1 1 2 2 2 4 4 4 … … … 运行的次数 0 0 0 1 1 1 2 2 2 … … … n = 2 次数 n = 2^{次数} n=2次数
运行了 l o g 2 n log_2n log2n 次
那时间复杂度就是 O ( l o g 2 n ) O(log_2n) O(log2n)
双重循环的时间复杂度计算
计算双重循环的时间复杂度可以将内外两层循环的运行次数相乘
- O ( N 2 ) O(N^2) O(N2)
for(int i=1;i<=n;i++)
{
for(int j=1;j<=n;j++)
}
内层循环运行了 n n n 次
外层循环也运行了 n n n 次
一共运行了 n 2 n^2 n2 次
时间复杂度为 O ( n 2 ) O(n^2) O(n2)
- O ( N M ) O(NM) O(NM)
for(int i=1;i<=n;i++)
{
for(int j=1;j<=m;j++)
}
运行了 n m nm nm 次
时间复杂度 O ( n m ) O(nm) O(nm)
- O ( N l o g 2 N ) O(Nlog_2N) O(Nlog2N)
for(int i=1;i<=n;i++)
{
for(int j=1;j<=n;j*=2)
}
内层循环运行了 l o g 2 n log_2n log2n 次
外层循环也运行了 n n n 次
一共运行了 n l o g 2 n nlog_2n nlog2n 次
时间复杂度为 O ( n l o g 2 n ) O(nlog_2n) O(nlog2n)
多重循环的时间复杂度计算
计算多重循环的时间复杂度可以将多层循环的运行次数相乘
- O ( N 3 ) O(N^3) O(N3)
for(int i=1;i<=n;i++)
{
for(int j=1;j<=n;j++)
{
for(int k=1;k<=n;k++)
}
}
三层循环的时间复杂度各是 O ( n ) O(n) O(n)
将三层时间复杂度相乘得到总时间复杂度为 O ( n 3 ) O(n^3) O(n3)