【算法导论系列】开篇，与时间复杂度

最新推荐文章于 2024-06-27 17:04:10 发布

dingzr2001

最新推荐文章于 2024-06-27 17:04:10 发布

阅读量2.9k

点赞数 10

分类专栏：算法导论系列文章标签：算法

本文链接：https://blog.csdn.net/dingzr2001/article/details/125069797

版权

本文作为算法导论系列的开篇，深入浅出地介绍了算法时间复杂度的概念，包括O记号、Ω记号和Θ记号，旨在帮助读者以更直观的方式理解算法的运行效率。通过实例解析，阐述了如何分析和判断算法的时间复杂度，为后续的算法学习奠定基础。

摘要由CSDN通过智能技术生成

经过考虑，还是准备写这样一个系列的文章了，初衷是帮助各位更好地理解部分算法。笔者之前阅读了《算法导论》（机械工业出版社）的部分章节，感受是内容非常全面，但是有些语言过于书面或者数学化，对于阅读理解不太好的同学（比如说我）或数学一般般的同学（还比如说我）不是十分友好。我们学习算法更多地是为了应用，需要明白怎么做。当时学习的时候，也参考了许多大大写的文章，有些讲解通俗，令人茅塞顿开。在这个系列中，我将以尽可能通俗清晰的语言，告诉大家某些算法是如何进行的。

作为开篇，先讲解一下算法的最基本问题——时间复杂度吧。

时间复杂度

算法的时间复杂度（Time complexity）是一个函数，它定性描述该算法的运行时间。时间复杂度给出了算法的运行时间与问题的规模n的关系，这个n在不同问题中有不同的体现，例如输入的数据个数、正方形边长等，由于计算机性能的不同，无法得到完全精确的时间与问题规模的函数关系。因此时间复杂度讨论的是问题的求解时间的量级，也就是求解时间随规模增长的速度。

例如，时间复杂度

$T\left ( n \right )= n$

代表问题求解时间随规模增加呈线性增长

$T\left ( n \right )=n^{2}$

代表问题求解时间随规模增加呈平方级增长

渐进记号

为了表达时间复杂度函数的某些重要的性质，常常使用一些渐进记号，这些记号通常表示函数的上界、下界或紧确界。这部分对应了微积分或实分析的函数极限概念。

O记号

大O记号表示渐进上界。对于给定的函数g(n)，O(g(n))代表一个函数族，定义为：

$O\left ( g\left ( n \right ) \right )= \left \{ f\left ( n \right ):{\exists}c> 0,n_{0}> 0,s.t.\ {\forall}n\geq n_{0},0\leqslant f\left ( n \right )\leqslant cg\left ( n \right )\right \}$