时间复杂度

时间复杂度

时间频度

一个 算法执行所耗费的时间，从理论上是不能算出来的，必须上机运行测试才能知道。但我们不可能也没有必要对每个 算法都上机测试，只需知道哪个算法花费的时间多，哪个算法花费的时间少就可以了。并且一个 算法花费的时间与算法中语句的执行次数 成正比例，哪个算法中语句执行次数多，它花费时间就多。一个 算法中的语句执行次数称为语句频度或时间频度。记为T(n)。

计算方法

1. 一般情况下， 算法的基本操作重复执行的次数是模块n的某一个函数f(n)，因此，算法的 时间复杂度记做：T(n)=O(f(n))

分析：随着模块n的增大， 算法执行的时间的增长率和 f(n) 的增长率成正比，所以 f(n) 越小，算法的 时间复杂度越低，算法的效率越高。

2. 在计算 时间复杂度的时候，先找出 算法的基本操作，然后根据相应的各语句确定它的执行次数，再找出 T(n) 的同 数量级（它的同数量级有以下：1，log(2)n，n，n log(2)n ，n的平方，n的三次方，2的n次方，n!），找出后，f(n) = 该数量级，若 T(n)/f(n) 求极限可得到一常数c，则 时间复杂度T(n) = O(f(n))

例：算法：

1 2 3 4 5 6 7 8 9

for (i=1;i<=n;++i) {     for (j=1;j<=n;++j)     {          c[i][j]=0;      //该步骤属于基本操作 执行次数：n的平方 次          for (k=1;k<=n;++k)                c[i][j] += a[i][k]*b[k][j]; //该步骤属于基本操作 执行次数：n的三次方 次     } }

则有 T(n) = n 的平方+n的三次方，根据上面括号里的同数量级，我们可以确定 n的三次方 为T（n）的同数量级

则有 f(n) = n的三次方，然后根据 T(n)/f(n) 求极限可得到常数c

则该 算法的时间 复杂度：T(n) = O(n^3) 注：n^3即是n的3次方。

3.在pascal中比较容易理解，容易计算的方法是：看看有几重for循环，只有一重则时间复杂度为O(n)，二重则为O(n^2)，依此类推，如果有二分则为O(logn)，二分例如 快速幂、二分查找，如果一个for循环套一个二分，那么时间复杂度则为O(nlogn)。

分类

按数量级递增排列，常见的 时间复杂度有：

常数阶O(1),对数阶O(log2n),线性阶O(n),

线性对数阶O(nlog2n),平方阶O(n^2)，立方阶O(n^3),...，

k次方阶O(n^k),指数阶O(2^n)。随着问题规模n的不断增大，上述 时间复杂度不断增大， 算法的执行效率越低。