【算法学习笔记03】 渐进分析思想如何寻找时间复杂度

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

1. 去常数
2. 去低次
3. 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：

1. 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。
2. 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