【算法设计与分析】时间复杂度

1 算法特性：

1 输入
2 输出
3可行性
4有穷性
5 确定性

2 时间复杂度

运算规则：

按数量级递增排列，常见的时间复杂度函数有：
常数阶O(1)
对数阶O( logn)
线性阶O(n)
线性对数阶O(nlogn)
平方阶O(n2)
立方阶O(n3)
,…，
k次方阶O(nk),
指数阶O(2n)。
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。
特殊时间复杂度：

log n 比对数阶时间复杂度小，更好

1 递归算法分析
例：求n！

int fac(int n)
{ if(n==0||n==1)       return 1;
   else  return n*fac(n-1);  }

T(n)= 1 n==0或1
T(n)=T(n-1)+1
因此T(n)=T(n-1)+1=T(n-2)+2
=…=T(1)+n-1=n=O(n)

2 折半查找 算法分析

Int BinSe2(int r[], int target, int low, int high)
{ 
   if(low > high) 
   return false; 
   else
   { int mid = (low+high)/2; 
     if(target < r[mid]) 
      return BinSe2(r,target,low,mid-1); 
    else if(target > r[mid]) 
     return BinSe2(r,target,mid+1,high); 
   else return true; 
    } 

时间复杂度递归方程求解

一 迭代法/Iteration方法
1. 不断用递推方程的右部替换左部
2.每次替换，随着 n 的降低，在和式中多出一项
3.直到出现初值，停止迭代
4.将初值代入并对和式求和
5. 可用数学归纳法验证解的正确性

例子： 汉诺塔问题

void hanoi(int n,char one,char two,char three) { 
 if(n==1) 
 move(one,three); 
 else 
 { hanoi(n-1,one,three,two); 
    move(one,three); 
    hanoi(n-1,two,one,three);
｝
｝

二 Master方法

第三种情况下，一定要再判断一下是否c存在


下面例4 ，就不是多项式的大于