-
函数的渐进增长:
给定两个函数f(n)和g(n),如果存在一个整数N,当n>N时,f(n)>g(n)恒成立,则说f(n)的增长渐进快于g(n)
-
算法时间复杂度记法:
1、大O记法
O(1)--常数阶
O(n)--线性阶 (一般循环就是线性阶)
O(logn)--对数阶 (注:对数的底数不重要,可以不写入记法中)
O(n^2)--平方阶 (一般循环嵌套就是平方阶)
大O阶求法:
1)用常数1取代所有加法常数
2)只保留最高阶项
3)将最高阶项系数改成1
例:(常数阶)
无论进行多少次这样的运算,只要其是个与n无关的常数,该算法的时间复杂度都是O(1),而不是O(执行次数)。
例(线性阶)
for(int i=0;i<n;i++)
{
//时间复杂度为O(1)的程序步骤序列
}
例(对数阶)
int count=1;
while(count<n)
{
count*=2;
//时间复杂度为O(1)的程序步骤
}
该算法循环次数x=log2n(2为底数,n为指数)
所以该循环的时间复杂度为:O(logn)
例(平方阶)
for(int i=0;i<n;i++)
{
for(int j=0;j<n;j++)
{
//时间复杂度O(1)的程序步骤
}
}
该算法的时间复杂度为O(n^2)
for(int i=0;i<n;i++)
{
for(int j=i; j<n; j++) //注意 j=i 而不是0
{
//时间复杂度为O(1)的程序步骤
}
}
当i=0时,内循环执行n次,当i=1时,内循环执行n-1次,....当i=n-1时,执行了1次,总的执行次数为:
n+(n-1)+(n-2)+....+1=(n*(n+1))/2=(n^2)/2 + n/2
所以该算法的时间复杂度为O(n^2)
常见的时间复杂度:
常用的时间复杂度耗费时间从小到大排序:
O(1)<O(logn)<O(n)<O(nlogn)<O(n^2)<O(n^3)<O(2^n)<O(n!)<O(n^n)
最坏时间复杂度:最坏情况下的时间复杂度 (一般没有特殊说明,都指最坏时间复杂度)
平均时间复杂度:计算所有情况的平均值。
- 2、Ω记法
- 3、Θ记法
- 4、小o记法