1.1复杂度度量

1.1复杂度度量

1.渐进复杂度

1.大$O$记号-渐进上界

当n足够大之后

若存在正常数c和函数f(n),使得对任意任意 n >> 2(远远大于2)，都有

T(n)<=c*f(n);

则可以认为n在足够大之后，f(n)给出了T(n)增长速度的一个渐进上界。此时，记之为T(n)=O(f(n))

由这一定义，可以导出大$O$记号的一下性质:

1. 对于任意常数c>0 ,有O(f(n))=O(c*F(n))
2. 对于任意常数a>b>0, 有O($n^a$+$n^b$)=O($n^a$)

实例,起泡排序的复杂度分析

bubbleSort(起泡排序)，T(n)=O(2$(n-1{)}^2$)=O(2$n^2$-4n+2)=O(2$n^2$)=O($n^2$)

2.大$\Omega$记号-渐进下界

若存在正常数c和函数g(n),使得对任意任意 n >> 2(远远大于2)，都有

T(n)>=c*g(n);

就可以认为，在n足够大之后，g(n)给出了T(n) 的一个渐进下界。此时，我们将其记为

T(n)=$\Omega$(g(n));

3.大$\theta$记号-对算法复杂度的准确估计

若存在正常数c1<c2和函数h(n),使得对任意任意 n >> 2(远远大于2)，都有

c1*h(n)<=T(n)<=c2*h(n)

就可以认为，在n足够大之后，h(n)给出了T(n) 的一个确界。此时，我们将其记为

T(n)=$\theta$(h(n));

2.时间复杂度

一般使用渐进复杂度度量

3.空间复杂度

一般使用渐进复杂度度量