浅识数据结构之时间复杂度

最新推荐文章于 2024-11-09 03:58:56 发布

LiUEEEEE

最新推荐文章于 2024-11-09 03:58:56 发布

阅读量1k

点赞数 8

分类专栏：数据结构专栏文章标签：数据结构 c++ 算法

本文链接：https://blog.csdn.net/liu11e/article/details/138040219

版权

数据结构专栏专栏收录该内容

16 篇文章 0 订阅

订阅专栏

P. S.：以下代码均在VS2019环境下测试，不代表所有编译器均可通过。 P. S.：测试代码均未展示头文件stdio.h的声明，使用时请自行添加。

文章目录

前言
一. 时间复杂度
二. 常见复杂度举例
三. 结语

前言

在了解时间复杂度之前，先向大家科普一个大环境知识。
当今时代的科学技术，让计算机在面对执行指令是可以以一个夸张的速度进行执行，也就是我们口中对于计算机设备的频率，下面引入一段代码：

void test01()
{
	int begin = clock();
	int x = 0;
	for (int i = 0; i < 100000000; i++)
	{
		++x;
	}
	int end = clock();
	int time = end - begin;
	printf("x = %d\n", x);
	printf("time = %d ms\n",time);
}

在这里插入图片描述

在如上代码中，我们看到即使我们需要将这个循环执行一亿次，但在计算机设备的加持下，不到一秒就出了结果，可见其执行效率之高。

一. 时间复杂度

1.1 时间复杂度的概念

时间复杂度的定义：
在计算机科学中，算法的时间复杂度是一个函数，它定量描述了该算法的运行时间。一个算法执行所耗费的时间，从理论上说，是不能算出来的，只有你把你的程序放在机器上跑起来，才能知道。但是我们需要每个算法都上机测试吗？是可以都上机测试，但是这很麻烦，所以才有了时间复杂度这个分析方式。一个算法所花费的时间与其中语句的执行次数成正比例，算法中的基本操作的执行次数，为算法的时间复杂度。
更加通俗的来讲就是：找到某条基本语句与问题规模N之间的数学表达式，就是算出了该算法的时间复杂度。

1.2 时间复杂度如何计算

我们照样以实例作为参考：

// 请计算一下Func1中++count语句总共执行了多少次？
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);
}

我们将它转化为一个数学表达式

F(N) = N² ＋ 2 × N ＋ 10

在计算时间复杂度时我们将数学表达式中的影响最大的部分摘下来，并将复杂度写作O( N² )

这时就会有同学问了，上面不是讲到复杂度时基本语句的执行次数的问题吗？为什么上面代码中 count 和 M的定义语句不添加到其中呢？
在前言中我们讲到，如今的计算机设备执行速率已经十分快速，对于其中的一些细枝末节的语句执行次数我们可以忽略不计，除非他的数量大到可以占到总体的一半以上，否则不添加到计算当中，此时我们就可以引入数学中的极限思想，当上述表达式中N趋近于无穷时，看其最高阶项，其他的在最高阶面前都可忽略不计，因为它太太太小了。

1.3 时间复杂度如何表示

大O符号（Big O notation）：是用于描述函数渐进行为的数学符号。
推导大O阶方法：

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。

另外有些算法的时间复杂度存在最好、平均和最坏情况：

最坏情况：任意输入规模的最大运行次数(上界)

平均情况：任意输入规模的期望运行次数

最好情况：任意输入规模的最小运行次数(下界)

例如：在一个长度为N数组中搜索一个数据x

最好情况：1次找到

最坏情况：N次找到

平均情况：N/2次找到

在实际中一般情况关注的是算法的最坏运行情况，所以数组中搜索数据时间复杂度为O(N)。

二. 常见复杂度举例

示例	复杂度	名称
5201314	O( 1 )	常数阶
3n + 4	O( n )	线性阶
3n^2 + 4n + 5	O( n² )	平方阶
3 log( 2 ) n + 4	O( log n )	对数阶
3n*log( 2 ) n + 4	O( n*log n )	nlogn阶
n^3 + n^2 + 4	O( n^3 )	立方阶
2^n	O( 2^n )	指数阶