时间复杂度的计算

目录

前言

一.算法的效率 

二.时间复杂度的计算

大O渐进表示法

实例演示

 1.已知循环次数，求时间复杂度

2.不知两次循环哪个大哪个小，求时间复杂度

3.循环数为常数项，求时间复杂度

4.无函数循环，求时间复杂度

5.求冒泡排序的时间复杂度

6.二分查找求时间复杂度

7.计算阶乘递归的时间复杂度

8.斐波那契数列的时间复杂度

总结

---

 

前言

         数据结构与算法的旅途将从这启航，大家准备好了吗。本篇博客就着重讲解一下时间复杂度的计算

一.算法的效率 

          在正式进入今天的正题之前，我们先来说说算法的效率问题。衡量一个算法的好坏，一般是从时间和空间两个维度来衡量的，时间复杂度主要衡量一个算法运行的快慢，目前由于计算机存储容量已经达到很高的程度，所以我们基本不需要关注一个算法的空间复杂度，只需要关注时间复杂度就行了，接下来就让我们进入时间复杂度的计算。 

二.时间复杂度的计算

      先看看下面这串代码，可以来计算下他的时间复杂度

void Func1(int N)
{
int count = 0;
for (int i = 0; i < N ; ++ i)
{
 for (int j = 0; j < N ; ++ j)
 {
 ++count;
 }
}
 
for (int k = 0; k < 2 * N ; ++ k)
{
 ++count;
}
int M = 10;
while (M--)
{
 ++count;
}
printf("%d\n", count);
}

Func1执行的基本操作次数为N^2+2*N+10,实际上我们计算时间复杂度只需要计算大概执行次数，用大o的渐进表示法来表示即为O(N^2)。

大O渐进表示法

 1、用常数1取代运行时间中的所有加法常数。

 2、在修改后的运行次数函数中，只保留最高阶项。

 3、如果最高阶项存在且不是1，则去除与这个项目相乘的常数。得到的结果就是大O阶。

注意：我们在一般情况下关注的是最坏的运行情况，即最大值 

实例演示

 1.已知循环次数，求时间复杂度

void func2(int n)
{
	int count = 0;
	for (int k = 0; k < 2 * n; ++k)
	{
		++count;
	}
	int m = 10;
	while (m--)
	{
		++count;
	}
	printf("%d\n", count);
}

上面这串代码可以看出其基本操作次数即算它循环次数，即为2*n+10,它的时间复杂度为O（N）。

2.不知两次循环哪个大哪个小，求时间复杂度

void func3(int n, int m)
{
	int count = 0;
	for (int k = 0; k < m; ++k)
	{
		++count;
	}
	for (int k = 0; k < n; k++)
	{
		++count;
	}
	printf("%d\n", count);
}

上面这串代码其基本操作次数为m+n，很多人都会认为时间复杂度为O（N），但这里没有说明m和n直接的大小关系，故即为O（m+n）。

3.循环数为常数项，求时间复杂度

void func4(int n)
{
	int count = 0;
	for (int k = 0; k < 100; ++k)
	{
		++count;
	}
	printf("%d\n", count);
}

上面这串代码的很明显的可以看出其循环了100次，因为100为常数，故其时间复杂度为O（1）。

4.无函数循环，求时间复杂度

const char* strchr(const char* str, int character);

上面这行代码中可能大家对strchr不太熟悉，其实在字符串中查找一个字符，这里不知道其代码基本操作次数，随着输入的不同，时间复杂度不同，此时要看最坏的情况，即此时这串代码的时间复杂度为O（N）。

5.求冒泡排序的时间复杂度

void bubblesort(int* a, int n)
{
	assert(a);
	for (size_t end = n; end > 0; --end)
	{
		int exchange = 0;
		for (size_t i = 1; i < end; ++i)
		{
			if (a[i - 1] > a[i])
			{
				swap(&a[i - 1], &a[i]);
				exchange = 1;
			}
		}
		if (exchange == 0)
			break;
	}
}

 上面这个冒泡排序的代码，其基本操作次数为n*（n-1）/2，其时间复杂度为O（N^2）。

6.二分查找求时间复杂度

int BinarySearch(int* a, int n, int x)
{
	assert(a);
	int begin = 0;
	int end = n - 1;
	while (begin <= end)
	{
		int mid = begin + ((end - begin) >> 1);
		if (a[mid] < x)
			begin = mid + 1;
		else if (a[mid] > x)
			end = mid - 1;
		else
			return mid;
	}
	return -1;
}

上面这串二分查找代码，即2^x=n,此时的时间复杂度为O（n）=logN。

7.计算阶乘递归的时间复杂度

long long Fac(size_t N)
{
	if (0 == N)
		return 1;
	return Fac(N - 1) * N;
}

上面这串阶乘代码，实际上就是递归了n次时间复杂度为O(N).

8.斐波那契数列的时间复杂度

long long Fib(size_t N)
{
	if (N < 3)
		return 1;
	return Fib(N - 1) + Fib(N - 2);
}

 此时他的数据图如下

此时的时间复杂度为O(2^N)。

总结

         本篇时间复杂度的计算在这已经结束了，相信这篇文章可以让你更加了解时间复杂度，看到结尾，可以个作者一个小小的点赞和关注吗。