一、统计算法时间开销方法
1.事后统计运行时间(存在问题有,与机器性能有关、和编程语言有关、和编译程序产生机器指令质量有关等)
2.事前预估算法时间开销T(n)与问题规模n的关系
二、算法时间复杂度
1.大O表示法:O(1) < O(log2^n) < O(n) < O(nlog2^n) < O(n^2) < O(n^3) < O(2^n) < O(n!) < O(n^n)
三、结论
1.顺序执行的代码只会影响常数项,可以忽略
2.只需挑选循环中的一个基本操作分析它的执行次数与n的关系即可
3.如果有多层嵌套循环,只需关注最深层循环循环了几次
四、举例
1.T(n) = O(1)
程序顺序执行就是O(1)
2. T(n) = O(n)
void test(int n){ // n为问题规模
int i = 1; // i为循环次数
while (i <= n) {
i++;
printf("Hello %d", i);
}
printf("Hello %d", n);
}
int main() {
test(3000);
}
解释: 循环遍历一次,所以为n
3.T(n) = O(n^2)
void test(int n){ // n为问题规模
int i = 1; // i为循环次数
while (i <= n) {
i++;
printf("Hello %d", i);
for (int j=1; j<=n; j++){
printf("I am Test \n");
}
}
printf("Hello %d", n);
}
int main() {
test(3000);
}
解释 :循环内部还有一层嵌套,所以为n^2
4.T(n) = O(log2^n)
void test(int n){ // n为问题规模
int i = 1; // i为循环次数
while (i <= n) {
i=i*2; // 每次翻倍
printf("Hello %d", i);
}
printf("Hello %d", n);
}
int main() {
test(3000);
}
解释:设循环次数为x,第一次i=2,第二次i=4,第x次i=2^x,循环结束时2^x > n,则x = log2^n + C,C为某个常数,所以T(n)=O(log2^n)
五、最好、最坏、平均时间复杂度
1.最坏时间复杂度:最坏情况下算法的时间复杂度,比如查找数组元素n,n恰好出现在数组最后一个位置,则为O(n)
2.平均时间复杂度:所有输入实例等概率出现情况下,算法的期望运行时间
3.最好时间复杂度:比如查找数组元素n,n恰好出现在第一个位置,则为O(1)