数据结构与算法(一)——时间复杂度

为什么需要时间复杂度分析?

通过统计、监控，就能得到算法执行的时间和占用的内存大小，但是，这种统计方法
有很多不足,例如：

1. 测试结果依赖测试环境，例如测试PC的电脑的芯片从i7换为i5,那么运行时间就会增加
2. 测试结果依赖测试数据规模，例如小规模的数据排序，插入排序比快速排序快

时间复杂度的表示方法

大O表示法（重要）

定义：当且仅当存在两个参数 c > 0 ，n0 > 0, 对于所有的 n >= n0 ， 都有 f(n) <= cg(n),则
f(n) = O(g(n)),如图：

用大O表示法表示时间复杂度示例：

 int cal(int n) {
   
 int sum = 0;
 int i = 1;
 int j = 1;
 for (; i <= n; ++i) {
   
       j = 1;
       for (; j <= n; ++j) {
   
       sum = sum + i * j;
     }
 }
 return sum;
 }

假设上述代码，执行一行代码的时间为 t ,则花费的总时间为 (2*n^2+2*n+4)*t。当 n 非常大时，上述代码花费的时间
只取决于 n^2 ,即 T(n) = O(n^{2)，上述代码的时间复杂度为O(n}2)

简单说：大O表示法就是忽略掉公式中的常量、低阶、系数，只需要记录一个最大阶的量级

大Ω表示法（了解即可）

定义 ：如果存在正数 c 和 n0 ，使得对所有的 n >= n0 ，
都有 f(n) >= cg(n)，则 f(n) = Ω(g(n)) ，如图：

大θ表示法（了解即可）

定义：如果一个函数既在集合 O (g(n)) 中又在集合 Ω(g(n))
中，则称其为 θ(g(n))。也即，当上、下限相同时则可用大 θ 表示法，如图：

常用的时间复杂度量级

1. 常数阶 O(1)

O(1)只是常量级时间复杂度的一种表示方法，并不是指只执行了一行代码。比如这段代码，即便有3行，它的时间复杂度也是O(1），