1、概念
这里的时间复杂度是指一个程序或算法的时间效率,也称“时间复杂度”,简称“复杂度”。一般用大的字母 O 和小写字母 n 来表示,比如 O(n),O(n2 ) 等。这里的 n 代表问题的规模,就是要处理的数据量。时间复杂度是用算法运行过程中,某种时间固定的操作需要被执行的次数和 n 的关系来度量的。比如在无序数列中查找某个数,与数的数量成正比,复杂度是 O(n)。
计算复杂度的时候,只统计执行次数最多的( n 足够大时)那种固定操作的次数。比如某个算法需要执行加法 n2 次,除法 n 次,当 n 较大时, n2 远远大于 n,那么就记其复杂度是 O(n2) 的。如果复杂度是多个 n 的函数之和,则只关心随 n 的增长,增长得最快的那个函数。因为随着 n 的增加,增长较慢的那个可以忽略不记。
O(n3 +n2 ) => O(n3 )
O(2n +n3 ) => O(2n )
O(n! + 3n ) => O(n!)
2、常见的时间复杂度
- 常数复杂度:O(1) 时间(操作次数)和问题的规模无关
- 对数复杂度:O(log(n))
- 线性复杂度:O(n)
- 多项式复杂度:O(nk)
- 指数复杂度:O(an)
- 阶乘复杂度:O(n! )
复杂度有“平均复杂度”和“最坏复杂度”两种。两者可能一致,一般在程序设计中保证平均时间复杂度即可,在做题中需要考虑最坏时间复杂度,出题的人给出的测试样例可能就是要考你最坏时间复杂度下的运行效率。
3、常见程序时间复杂度
程序 | 时间复杂度 |
---|---|
在有序数列中查找最值 | O(1) |
在无序数列中查找某个数(顺序查找) | O(n) |
平面上有 n 个点,要求出任意两点之间的距离 | O(n2) |
插入排序、选择排序、冒泡排序 | O(n2) |
快速排序 | O(n*log(n)) |
二分查找 | O(log(n)) |