1、什么是时间复杂度?
一般情况下,算法中基本操作重复执行的次数是问题规模n的某个函数f(n),算法的时间量度记作T(n)=O(f(n))。
它随问题规模n的增大,算法时间的增长率不超过f(n)的增长率,称作算法的渐进时间复杂度,简称时间复杂度。
2、时间复杂度的几条计算规则。
一般情况下,通过找出执行次数最多的代码段,把它们的运行语句的总次数表示为n的函数。
1、大部分情况下,单个表达式和语句的运行时间是常数,记为 O(1)( 即 O(n^0) )。
2、对于并列循环语句,取各循环结构计算时间的最大值。
3、对于嵌套循环结构,取最内层循环体中语句执行次数。
4、如果各层循环的次数是相互无关的,可简单采用乘法法则:各层循环的次数相乘。
5、递归算法的运行时间可分为以下两部分
(1)执行目前层次的递归分解运算所需时间。
(2)执行递归调用所需时间。
3、常见的复杂度
下面将算法中常见的f(n)值根据几种典型的数量级来列成一张表,根据这种表,我们来看看各种算法复杂度的差异
类 | 符号 | 举例 |
---|---|---|
常数 | O(1) | 返回数组的第一个元素 |
对数 | O(logn) | 对有序数组进行折半查找 |
线性 | O(n) | 对数组进行顺序查找 |
nlogn | O(nlogn) | 归并排序 |
平方 | O(n^2) | 选择排序 |
立方 | O(n^3) | 传统的矩阵相乘 |
指数 | O(2n) | 汉诺塔 |