时间复杂度与算法效率

一、时间复杂度

1.简单定义

程序执行时，耗费时间的长度。
查看详细定义

2.方法

对于计算机来说，做加法比做乘除容易得多。因此，在计算时间效率时，加减运算可以忽略不计，基本上就是计算函数有多少次乘除运算。

在上一篇程序运行的时间©“两种算法计算多项式值”一例中涉及到两种算法，我们现在分别计算它们的乘法次数。

• 第一种

double f1(int n, double a[], double x)
{
	int i;
	double p = a[0];
	for (i = 1; i <= n; i++)
		p = p + (a[i] * pow(x,i));
	return p;
}

pow(x, i) —— (i-1)次乘法；a[i] * pow —— 一次乘法，所以一次循环做了 i 次乘法。循环 n 次，函数乘法执行次数为$$1+2+...+(n-1)+n$$既$$\frac{n^2+n}{2}$$
时间复杂度为 n 的函数，$$T(n)=C_1{n}^2+C_{2}n$$

当 n 很大时，可以看作只有n^2在作用。

• 第二种

double f2(int n, double a[], double x)
{
	int i;
	double p = a[n];
	for (i = n; i > 0; i--)
		p = a[i-1] + x*p;
	return p;

观察发现每轮循环只做一次乘法，因此共做 n 次乘法。
时间复杂度为$$T(n)=C.n$$
常数具体为多少取决于计算机，因机而异。

3.技巧求解

本周内补充

二、算法效率

分析一般算法效率时，关注两种复杂度。

1.最坏情况复杂度$$T_{worst}(n)$$

2.平均复杂度$$T_{avg}(n)$$

二者之间的关系总有：

$$T_{avg}(n)<T_{worst}(n)$$

通常平均复杂度非常难研究，我们重点关注的是最坏情况复杂度。

三、复杂度的渐进表示法

其实在一个程序中，我们只需明确时间复杂度里的决定因素，就可以粗略知道其增长趋势。例如前面的例子：

当 n 很大时，可以看作只有n^2在作用。

未完待续… …