时间复杂度是个抽象的概念。
时间频度
一个算法执行的时间理论上是算不出来的,需要上机测试才知道,但又不能将所有的方法都进行测试。但算法的执行时间和算法的执行次数是呈正比的。执行次数越多,它所花费的时间就越多。 一个算法的语句执行次数成为时间频度,记作T(n)。
时间频度有以下三个特点:
(1)、忽略常数项; (2)、忽略低次项;
(3)、忽略系数(n^k(k>=3)不适用);
时间复杂度
时间复杂度也称作时间复杂性,算法的时间复杂度是一个函数。在T(n)中,n是问题的规模,若有某个辅助函数f(n),使得n趋近于无穷大时,T(n)/f(n)的极限值为不等于的常数,则称f(n)是T(n)的同数量级函数。记作T(n)=O(f(n)),我们称O(f(n))为算法的渐进时间复杂度,简称时间复杂度。
1、常见的时间复杂度
常见的时间复杂度由小到大依次为O(1)<O(logn)<O(n)<O(nlogn)<O(n^2)<O()n^3
<O(n^k)<O(2^n)。
2、如何计算时间复杂度
(1)、我们需要先找出算法中的基本语句,通常是执行次数最多的语句。
(2)、计算基本语句的执行次数的数量级,只需保留最高次幂正确即可。
(3)、用大O记号表示出来。
注:如果算法中有嵌套循环,则基本语句通常为最内层的循环体,如果算法中包含并列循环,则将并列循环的时间复杂度相加。
折半查找的时间复杂度为O(logn)。
int n=8,count=0;
for(int i=1;i<=n;i*=2){
for(int j=1;j<=i;j++){
count++;
}
}
第一层for循环的执行次数:log2n
第二层第一次执行:1
第二层第二次执行:2
第二层第三次执行:4
第二层第四次执行:8 ......
第二层第t次执行:2^t t的最大值为log2n ----> 2^log2n
总的执行次数: 1 + 2 +4 + 8 +...+ 2^log2n = 2n -1 时间复杂度:O(n)