数据结构与算法-时间复杂度

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)