算法复杂度分析

算法复杂度分析

1、大O表示法

T(n)，表示代码的执行时间，n表示数据规模的大小，f(n)表示每行代码执行的次数总和。O表示代码执行时间T(n)与f(n)表达式成正比。

这个公式叫 大 O 时间复杂度表示法，大 O 时间复杂度实际上并不具体表示代码真正的执行时间，而是表示代码执行时间随数据规模增长的变化趋势，所以，也叫渐进时间复杂度，简称时间复杂度。

2、时间复杂度分析

如何分析代码的时间复杂度？

• 只关注循环执行次数最多的那一段代码。

 int cal(int n) {
   int sum = 0;
   int i = 1;
   for (; i <= n; ++i) {
     sum = sum + i;
   }
   return sum;
 }

 ==> O(n)

• 总复杂度等于量级最大的那段代码的复杂度

int cal(int n) {
   int sum_1 = 0;
   int p = 1;
   for (; p < 100; ++p) {
     sum_1 = sum_1 + p;
   }

   int sum_2 = 0;
   int q = 1;
   for (; q < n; ++q) {
     sum_2 = sum_2 + q;
   }
 
   int sum_3 = 0;
   int i = 1;
   int j = 1;
   for (; i <= n; ++i) {
     j = 1; 
     for (; j <= n; ++j) {
       sum_3 = sum_3 +  i * j;
     }
   }
 
   return sum_1 + sum_2 + sum_3;
 }

==》

 如果， ，，那么

• 乘法法则：嵌套代码的复杂度等于嵌套内外代码复杂度的乘积 

int cal(int n) {
   int ret = 0; 
   int i = 1;
   for (; i < n; ++i) {
     ret = ret + f(i);
   } 
 } 
 
 int f(int n) {
  int sum = 0;
  int i = 1;
  for (; i < n; ++i) {
    sum = sum + i;
  } 
  return sum;
 }

==>

3、几种常见的时间复杂度分析