时间复杂度的讲解
标题什么是时间复杂度
时间复杂度就是用来方便开发者估算出程序的运行时间
如何计算时间复杂度
我们通常会估计算法的操作单元数量,来代表程序消耗的时间, 这里我们默认CPU的每个单元运行消耗的时间都是相同的。即为每个单元执行一次即为一次时间,而且我们通常用O表示时间复杂度。
时间复杂度也可以用数学表达式来表示
例如:O= n^2+2n+2
O=nlogn
接下来我们在代码中讲解如何判断代码
代码样例如下:
#include<iostream>
using namespace std;
int main(){
int c[10000];
for(int i =0 ;i<10000;i++)
{
cin>>c[i];
}
return 0 ;
}
在这里我们就看for循环,因为我们的for循环需要执行1000次,所以这里的时间复杂度就是O(1000)。
int main (){
for(int i = 0 ;i<n;i++){
for(int j = 0 ;j<2;j++){
c= a*b;
}
}
return 0 ;
}
在这段代码里面,我们是拥有两层循环来执行,所以我们就是需要看第一层循环他执行了n次,然后接下来我们看内层循环,内层循环我们在外层循环每执行一次的情况下就需要执行2次,所以总的执行也就是2*n次。
所以我们不难看出其实时间复杂度是和我们代码执行的次数是有关的,而且和我们的循环关系比较大,
但是其实在计算的时候我们并不是每一次时间复杂度都要去考虑,例如我们时间复杂度的表达式为:
n^2+3;在这个表达式里面我们的常数项是可以省略得,因为随着我们的n逐渐增大,3带来的影响会越来越小,所决定时间复杂度往往是我们最大那一项,并且还要忽略常数。
常见的时间复杂度大小的排序
O(1) < O(logn) < O(n) < O(nlogn) < O(n2) < O(n3) < O(2n) < O(n!) < O(nn)
注释从小到大,最优情况下就是O(1)
一般在算法中,时间复杂度越低,代码的效率就越高。