算法时间复杂度解题思路

时间复杂度解题思路

如何计算时间复杂度

1. 找出问题规模n
2. 找出基本语句
3. 列出基本语句执行次数t与问题规模n的方程
4. 解出t=f(n)，则f(n)即为时间复杂度

例子

1、2011年计算机联考真题

x=2;
while(x<n/2){
    x=2*x;
} 

解题步骤：

1. 问题规模n就是while(x<n/2)中的n
2. 基本语句是x=2*x;
3. 执行多少次x=2*x，使得x=n/2，即x=n。假设执行t次，即x乘了t个2后等于n，所以2^t=n。
4. 解得t=log₂ⁿ，时间复杂度为O(log₂ⁿ)

2、2012年计算机联考真题

int func(int n){
    if(n<=1) return 1;
    return n*fact(n-1);
}

解题步骤：

1. 这是一个递归，问题规模是入参n
2. 基本语句是return n*fact(n-1)。换一个思路，n-1执行的次数与递归执行的次数一样，因此将n-1看做基本语句
3. 递归的结束是n<=1，因此执行多少次n-1后n<=1，显而易见，n减n次1后满足n<=1的条件
4. O(n)即为时间复杂度

3、2014年计算机联考真题

count=0;
for(k=1;k<=n;k*=2){
 for(j=1;j<=n;j++){
     count++;
 }
}

解题步骤：
问题规模有两个，先看内层：

1. 问题规模n就是j<=n中的n
2. 基本语句看似是count++，实则应该是j++，这样方便找对应的方程
3. j初始是1，执行多少次j++后j<=n？显然执行n-1次后满足条件，即t=n-1
4. 因此时间复杂度为O(n)

再看外层：

1. 问题规模n就是k<=n中的n
2. 同内层的j++，这里将k*=2看做基本语句
3. 假设k乘t次2，可以使k<=n。即2^t=n
4. 解3中的方程，可得时间复杂度是O(log₂ⁿ)。

结合内外层：
因为是嵌套for循环，是一个排列组合问题，应该将内外层时间复杂度相乘。故时间复杂度为O(nlog₂ⁿ)

4、2017年计算机联考真题

int func(int n) {
    int i=0, sum=0;
    while(sum < n)
        sum += ++i;
    return i;
}

解题步骤：

1. 问题规模n就是while(sum < n)中的n
2. sum += ++i 可以分解为 i+1; sum = sum + i; 基本语句为sum = sum + i;
3. 问：执行多少次 sum = sum + i，可以使 sum = n ？

执行次数t	sum
1	sum = 0 + 1 = 1
2	sum = 0 + 1 + 2 = 3
3	sum = 0 + 1 + 2 + 3 = 6
4	sum = 0 + 1 + 2 + 3 + 4 = 10

可见，执行次数t与sum可构成一个代数式， 10 = (1 + 4) * 4 / 2 即：sum = (1 + t) * t / 2

4. 根据步骤3可得出方程t² = sum = n，解得 t = n^1/2，则该函数的时间复杂度为O(n^1/2)

难点

难点在于找出第三步的方程式
注：一个问题要搞清楚出现的所有概念以及概念之间的关系，这样这个问题按照逻辑就很容易解答。