算法时间复杂度定义:在进行算法分析时,语句的执行次数T(n)是关于问题规模n的函数,进而分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度,也是算法的时间量度,计作:T(n)=O(f(n)).它表示随问题规模n的增大,算法执行时间的增长率和f(n)的增长率相同,称作算法的渐进时间复杂度,也简称为时间复杂度。其中f(n)是问题规模n的某个函数
推导大0阶方法
.1 用常数1取代运行时间的所有加法常数
.2 在修改后的运行次数函数中,只保留最高次项
.3 如果最高次阶项存在并且不是1,则除去与这个项相乘的常数
得到的结果就是大O阶
一 常数阶( .执行次数恒定,不会随着问题(n)的大小而改变)
如 :int sum=0,n=100; //执行1次
sum = (1+n)*n/2; // 执行1次
printf(“%d”,sum); // 执行1次
f(n)=3;
根据推导方法,3变1,无最高阶项。
所以时间复杂度为(O(1));
二 线性阶(分析循环的情况)
int i;
for(i=9;i<n;i++){
//时间复杂度为O(1)的程序步骤序列
}
时间复杂度为O(n);
三 对数阶
int count = 1;
while(count<n){
count = count * 2;//时间复杂度为O(1)的程序步骤序列
]
解释:每次count乘以2,有多少个2相乘大于n就会停止。
故 2^x=n ,两边取对数 log 2 2^x=log 2 n;
x=log 2 n;
四 平方阶
int i , j;
for(i=0;i<n;i++)
{
for(j=0;i<n;j++)
{
//时间复杂度为O(1)的程序步骤序列
}
}
时间复杂度为:O(n^2);
int i , j;
for(i=0;i<n;i++)
{
for(j=i;i<n;j++)
{
//时间复杂度为O(1)的程序步骤序列
}
}
解释:执行次数:n+(n-1)+.…… +1= n(n+2)/2
时间复杂度为O(n^2);
空间复杂度
算法的空间复杂度是通过计算算法所需要的存储空间实现,S(n)=O(F(n)), 其中n为问题的规模,f(n)为语句关于n所占存储空间的函数。