一、时间复杂度是什么
1.1 时间复杂度
如果一个算法的时间规模是n,那么操作单元数量是使用f(n)来表示,随着数据规模n的增大,算法执行的时间的增长率和f(n)的增长率相同。这叫做渐进时间复杂度,简称时间复杂度,记作O(f(n))。
1.2 BigO、Θ、Ω
大O用来表示上界的,当用它作为算法的最坏情况运行时间的上界,就是对任意数据输入的运行时间的上界。
同样表示确界用Θ,表示下界用Ω
记号 | 含义 | 通俗含义 |
Ο(大欧) | 上界 | 相当于"<=" |
Θ(Theta) | 紧确界 | 相当于“=” |
Ω(Omega) | 下界 | 相当于“>=" |
二、如何化简BigO
- 去常数
- 去低次
- 去高次项系数
例如:
n^3+3n+100
BigO=O(n^3)
常见的BigO比较图像:
三、时间复杂度的计算
时间复杂度是总运算次数表达式中受n的变化影响最大的那一项(不含系数)
结合代码:
1.循环了n*n次,当然是O(n^2)
for(i=1;i<=n;i++)
for(j=1;j<=n;j++)
s++;
2.循环了(n+n-1+n-2+...+1)≈(n^2)/2,因为时间复杂度是不考虑系数的,所以也是O(n^2)
for(i=1;i<=n;i++)
for(j=i;j<=n;j++)
s++;
3.不难看出循环了 (1^2+2^2+3^2+...+n^2)==n(n+1)(2n+1)/6≈(n^3)/3,也可以化简为O(n^3)
for(i=1;i<=n;i++)
for(j=1;j<=i;j++)
for(k=1;k<=j;k++)
x=x+1;
计算方法:
- 一个算法花费的时间与算法中语句执行的次数成正比。一个算法中语句的执行次数称为时间频度或语句频度。记为T(n)。算法基本操作重复执行的次数是模块n的某一个函数f(n)。所以最坏情况下T(n)=O(f(n)),记作我们的时间复杂度。
- 计算时间复杂度时,①先找出算法的基本操作,②再根据语句判断他执行次数,③再找出T(n)的同数量级(1,n,n^2,n^3,logn,nlogn,2^n,n!...)
参考:如何计算时间复杂度_firefly_2002的博客-CSDN博客_时间复杂度怎么算https://blog.csdn.net/firefly_2002/article/details/8008987