时间复杂度

目录

目录

一、初识时间复杂度

例1：

例2：

总结：

再次强调：

二、时间复杂度计算

方式一：T(n) = 常数

方式二：T(n) = 常数*n + 常数

方式三：多项式

方式四：对数

总结

口算练习

练习 1

练习 2

练习3

练习4

练习5

思考

思考 1

思考 2

时间复杂度对比

1.O(1)

2.O(log n);

3.O(n)

4.O（n log n）

5.O（n²）

6.O(n³)

7.O(2^n)

总结：时间复杂度排序

 文章说明：

---

一、初识时间复杂度

例1：

查看代码执行了几步

答：执行了两次

1. println
2. return

例2：

查看代码执行了几步

答：执行了九次，公式3n+3次，n == i

步骤：

1. int i = 0;
2. i < 2;
3. println
4. i++ 此刻i = 1
5. i < 2
6. println
7. i++ 此刻i = 2
8. i < 2
9. return

总结：

一段代码的执行次数会用 T(n) 表示

n：数据输入的大小或者是输入数据的数量

T：在输入数量为n的时候这一段代码的总执行次数

所以

例1的执行次数是：T(n) = 2

例2的执行次数表示为：T(n) = 3n + 3

问题：T(n) 作为衡量代码的执行速度的依据，当代码比较多的时候，再去使用就会比较麻烦，还要一条条语句去数，而且函数调用函数时，运算起来也很麻烦，所以算法使用 T(n) 简化的估算值来衡量代码的执行速度，这个简化的估算值叫做时间复杂度

再次强调：

• 一段代码的执行次数会用 T(n) 表示
• 算法使用 T(n) 简化的估算值来衡量代码的执行速度，这个估算值叫时间复杂度

那么估算值怎么计算的的呢？？？？

二、时间复杂度计算

方式一：T(n) = 常数

T(n) = 常数时 ，T(n) 估算为1

所以 例1中T(n) = 2 的时间复杂度是 1

方式二：T(n) = 常数*n + 常数

T(n) = 常数*n + 常数 时

1. 后面的常数可以省略掉，因为随着n的增大，第一部分(常数*n)会越来越大，而第二部分一直不变，也就是说，第二部分相当于第一部分与第二部分相比相当于不存在，所以可以直接省略，最后变成了T(n) = 常数*n
2. 然而常数又可以直接当成1，所以最终的结果是： T(n) = n

方式三：多项式

面对多项式，只需要保留最大的次方数

比如：T(n) = 5n³+6666n² + 233 时间复杂度为 T(n) = n³

说明：

因为随着n的增大，后面的项的增长远远不及n的最高次项大，所以可以直接省略低次项

方式四：对数

下面有

总结

如下这总时间复杂度表示并不完整

T(n) = 2 → T(n) = 1

T(n) = 3n + 3 → T(n) = n

T(n) = 5n³+6666n² + 233 → T(n) = n³

应该再加上大写字母O，如下

T(n) = 2 → T(n) = O(1)

T(n) = 3n + 3 → T(n) = O(n)

T(n) = 5n³+6666n² + 233 → T(n) = O(n³)

口算练习

练习 1

如下代码的时间复杂度是多少？

答：O(1);

练习 2

如下代码的时间复杂度是多少？

答：O(n);

练习3

如下代码的时间复杂度是多少？

答：O(n²)；

所以有几次循环，时间复杂度就是n的多少次方，故此：a重循环，时间复杂度就是O(n^a)

练习4

如下代码的时间复杂度是多少？

答：O(n²)；

因为：T(n) = n² + n = O(n²)；

练习5

如下代码的时间复杂度是多少？

答：还是 O(n²)；

思考

思考 1

如下代码的时间复杂度是多少？

当i = 0 时，内循环就会执行 n 次

当i = 1 时，内循环就会执行 n - 1 次

当i = 2 时，内循环就会执行 n - 2 次

以此类推 ... ... 直到

当i = n - 2 时，内循环就会执行 2 次

当i = n - 1 时，内循环就会执行 1 次

大师，我悟了... ...😀😀😀 😀😀😀

结果也就是一个等差数列

也就是O（n²）；

思考 2

当 n = 8时，代码执行了几步？

当 n = 16时，代码执行了几步？

答：T(8) = 3;

T(16) = 4;

代码执行步数有了，那么时间复杂度时多少？

发现代码执行步数取决于 i*=2

你悟了吗... ...

将T(n)放到等号的左边

然后去掉时间复杂度和常系数，故此得

log2n的底数和系数也要去掉，得

O(log n)

时间复杂度对比

1.O(1)

时间复杂度是一条直线

2.O(log n);

随着数据量越来越大，时间复杂度越来越小，最后趋向于一条直线

3.O(n)

时间复杂度随着数据量的增大而增大

4.O（n log n）

5.O（n²）

6.O(n³)

7.O(2^n)

总结：时间复杂度排序

由低到高如表

另外：

 

 文章说明：

文章是看的B站视频做的笔记，视频链接是

小学生也能看懂的时间复杂度（大概吧）_哔哩哔哩_bilibili