1 骗分——与复杂度的较量

        从本质上说，“程序优化”就是降低时间复杂度 3 的过程。而“骗分”，则是 降低编程复

杂度 的过程，更准确的说，是 取得得分与编程时间的最优比值 。

        有人会问，如果这道题根本不会做，连算法都没有，谈何“降低时间复杂度”？其实不

然。对于任何问题，只要它是一个 可解问题 ，就一定可以通过枚举法来解决。即使是 NPC

问题 ，只要将所有可能的情况一一列举，都能在有限时间（不论它有多长）中解决。所以

从理论上说，可解问题都有最低时间复杂度。

        但在实际编写程序时，我们不能让程序运行 1 年甚至更长，于是需要更为高效的算法。

我们信息学竞赛学习如此众多的算法、优化技巧，说到底，就是在降低程序运行的时间复杂

度，使得程序在规定时间内出解。正是基于这样的观点，本文的各种算法都关注了时间复杂

度的衡量，而且不同于理论著作，更加注重实际运行时间的比较，因为理论复杂度不能说明

一切问题，应试中的时限才是硬道理。

        要纠正一种错误的观念，“时间复杂度越低越好 ”。有时为了降低一道题目的复杂度，

耽误了其他题目解决的时间，得不偿失；这时不如放弃这道题目的进一步优化，争取得到

50-60 分，再去解决其他题目。这种策略尤其对于难题、高档次考试有效。另外，复杂度记

号中的常数因子也是不可忽略的。例如搜索中剪枝本身的代价超过被剪掉的搜索代价，就不

如不剪。这也提醒我们，养成良好的编程习惯，降低常数复杂度，也是“骗分”的重要手段。

在信息学竞赛中，“ 用空间换时间 ”是常用的策略。这里我们再提出一个观点： 用运行

时间换编程时间 ， 用尽时限 中的每个 CPU 指令。

        考虑一个问题：有 O(nlogn) 7 的 A 算法但需要 200 行代码，而有 O(n 2 ) 的 B 算法只需要

70 行代码，而对于 60% 的数据， n<1000 ；对于 100% 的数据， n<100000. 我们需要做出一个

决策。采用 A 算法，至少得 60 分，可能用掉 40 分钟；采用 B 算法， 100 分到手，可能用

掉 100 分钟。对于 不同类型的比赛 ，我们应有不同的决策。对于 NOIP 这种其他题目较为简

单、这样的试题是压轴题的情况，可以先做其他简单试题，最后视剩下时间长短选择算法；

而对于 NOI 这种“难题集萃”类型的试题，如果其他试题没有思路，可以用较长的时间完

全解决该题；否则两道 60 分的题胜过一道 100 分的题。

当然，算法的选择还与选手的 竞赛目标 有关。期望拿到 NOIP 一等奖或 NOI 银牌的选

手可能希望尽量多得分，实力也不是很强，能得一分算一分，这样应选择 60 分的算法，以

“保险”为基础；期望进入省队或国家集训队的选手必须发挥出色，编程水平较高，这样应

选择 100 分的算法，拉大与其他选手的差距。

        总而言之，算法的选择与“得失”的衡量有关，这样本文所述的“用运行时间换编程时

间”就是正确的。例如 NOIP1999 第四题“拦截导弹”，要求输出最长不升子序列。这道题

有 O(n *n ) 的动态规划算法，也有 O(nlogn) 的基于二分搜索的算法。但原题 n<=1000 ，就没有

必要使用较为复杂且调试困难、容易出错的 log 级算法。所以，盲目优化时间复杂度不是可

取的行为。运用这些时间，可以解决其他问题，得到更高的分数。我们的目的，就是找到“时

时间复杂度表示式中隐藏的常数因子不可忽略，尤其是对于搜索类题目。