算法的时间复杂度

1. 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)

1. 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。

1. 2、Ω记法
2. 3、Θ记法
3. 4、小o记法