算法时间复杂度

定义：在进行算法分析时，语句总的执行次数T（n）是关于问题规模n的函数，进而分析 T（n）随n的变化情况并确定T（n）的数量级。算法的时间复杂度，也就是算法的时 间量度，记作T(n)=O(f(n))。它表示随问题规模n的增大，算法执行时间的增长率和 f(n）的增长率相同，称作算法的渐近时问复杂度，简称为时间复杂度。其中大(几）是 问题规模n的某个函数。

推导大O阶方法：

1.用常数1取代运行时间的所有加法常数。

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其系数不是1，则去处与这个项相乘的系数，得到的结果就是大O阶。

 

常数阶

代码1

int sum = 0,n = 100;        /* 执行一次 */
sum = (1 + n) * n / 2;        /* 执行一次 */
printf（"%d", sum）;            /* 执行一次 */

运行次数函数f(n)=3，根据大O阶推导方法，将常数项3变为1，保留最高阶项发现没有，所以这个算法的时间复杂度是O（1）。

代码2

int sum = 0, n = 100;        /* 执行1次 */
sum = （1+n）*n/2;            /* 执行第1次 */
sum = （1+n）*n/2;            /* 执行第2次 */
sum = （1+n）*n/2;            /* 执行第3次 */
sum = （1+n）*n/2;            /* 执行第4次 */
sum = （1+n）*n/2;            /* 执行第5次 */
sum = （1+n）*n/2;            /* 执行第6次 */
sum = （1+n）*n/2;            /* 执行第7次 */
sum = （1+n）*n/2;            /* 执行第8次 */
sum = （1+n）*n/2;            /* 执行第9次 */
sum = （1+n）*n/2;            /* 执行第10次 */
printf（"%d",sum）;            /* 执行1次 */

同样的方法，推导出也是O（1），我们称之为具有O（1）的时间复杂度，又叫常数阶。

线性阶

代码3

int i;
for（i = 0; i < n; i++）
{
    /* 时间复杂度为O(1)的程序步骤序列 */
}

它的循环的时间复杂度为O（n），因为循环中的代码需要执行n次。

对数阶

代码4

int count = 1;
while count < n）
{
    count = count * 2;
    /* 时间复杂度为O(1)的程序步骤序列 */
}

由于count乘2后，距离n更近了，也就是说，有多少个2相乘后大于n，则会退出循环。由2^x=n得，x等于以2为底n的对数，所以这个循环的时间复杂度为O（logn）。

平方阶

代码5

int i,j;
for（i = 0; i < n; i++）
{
    for（j = 0; j < n; j++）                       
    {                                      
        /* 时间复杂度为O(1)的程序步骤序列 */
    }                                      
}

分析内层和外层循环，可以得出时间复杂度为O（n^2），如果外循环次数为m，时间复杂度变为O（m*n）。

典例：

int i,j;
for（i = 0; i < m; i++）
{
    for（j = 0; j < n; j++）                
    {                                      
        /* 时间复杂度为O(1)的程序步骤序列 */
    }                                      
}

当i=0时，内循环进行n次，当i=1时，执行了n-1次，根据数学知识可得表达式为：n^2/2+n/2，根据推导的大O阶方法，没有加法常数不予考虑，保留最高阶项，n^2/2，去掉1/2，最终这段代码的时间复杂度为O（n^2）。

总结：理解大O阶推导并不难，难的是对数列相关运算，这里多考察你的数学知识和能力。

常见的时间复杂度