时间复杂度 | 某个算法的时间耗费,它是该算法所求解问题规模n的函数 |
渐近时间复杂度 | 当问题规模趋向无穷大时,该算法时间复杂度的数量级 |
T(n)=O(f(n))
分析 : 随着模块n的增大,算法执行的时间的增长率和f(n)的增长率成正比,所以f(n)越小,算法的时间复杂度越低,算法的效率越高。
常见的时间复杂度
常数阶 | 对数阶 | 线性阶 | 线性对数阶 | 平方阶 | 立方阶 | k次方阶 | 指数阶 |
O(1) | O(log2n) | O(n) | O(nlog2n) | O(n^2) | O(n^3) | O(n^k) | O(2^n) |
计算步骤
1、找出算法中的基本语句:算法中执行次数最多的那条语句就是基本语句,通常是最内层循环的循环体
2、计算基本语句的执行次数的数量级:这就意味着只要保证基本语句执行次数的函数中的最高次幂正确即可,可以忽略所有低次幂和最高次幂的系数。
计算规则
1、加法规则
T(m,n)=T1(m)+T2(n) =O(max(f(m),g(n))
2、乘法规则
T(m,n)=T1(m)*T2(n) =O(f(m)*g(n))
基本知识点
1、无循环的一段程序复杂度为常数-》O(1)
2、一层循环的复杂度为O(n),二层循环的复杂度为O(n^2)
3、访问数组中的元素是常数时间操作-》O(1)
4、一个算法如果能在每个步骤去掉一半数据元素,如二分检索,通常它就取 O(logn)时间