数据结构-算法的时间复杂度

十二柠檬茶

于 2023-07-29 12:43:09 发布

阅读量162

点赞数 4

分类专栏：数据结构时间复杂度文章标签：数据结构

本文链接：https://blog.csdn.net/m0_75102051/article/details/131992220

版权

数据结构同时被 2 个专栏收录

8 篇文章 0 订阅

订阅专栏

时间复杂度

1 篇文章 0 订阅

订阅专栏

文章介绍了算法分析中的关键概念——时间复杂度和空间复杂度，强调了它们在评估算法效率时的重要性。时间复杂度通过大O渐近表示法来简化计算，关注算法执行的基本操作次数。文中通过举例和分类讨论详细阐述了如何计算不同情况下的时间复杂度。

摘要由CSDN通过智能技术生成

1.0：前言

我们在评判一个算法的优劣时，即需要考虑时间资源还要考虑空间资源 。因此，时间复杂度主要衡量一个算法的运行快慢，而空间复杂度主要衡量一个算法运行所需要的额外空间。

算法的优劣，一般是从时间和空间两个维度来衡量的，即时间复杂度和空间复杂度。

2.0：时间复杂度

2.1：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，只有你把你的程序放在机器上跑起来，才能知道。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

2.2：理解：

时间复杂度从整体算法的逻辑和思想出发，研究判断算法中最能体现算法思想的语句执行的次数，这种次数可以用数学函数表达式表示出来。称为时间复杂度。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。

2.3：大O渐近表示法：

实际中我们计算时间复杂度时，我们其实并不一定要计算精确的执行次数，而只需要大概执行次数，那么这里我们使用大O的渐进表示法。

2.4：大O渐近表示法规则：

1.常数次为 $O\left ( 1 \right )$

2.保留最高阶层的项，如果最高阶层有多个，则需要保留所有的最高阶，但不管有多少个最高阶，都需要去掉系数

3.取算法最坏的情况

4. $\log _{2}N$ 简写成 $\log N$

规则解释：

1. $O\left ( 1 \right )$ 并不表示算法只进行了一次，而表示算法执行了常数次。

2.时间复杂度是算法的一个保守预期。类似于数学中的无穷极限，当未知量趋近于无穷时，最高次对整体的影响最大，因此，我们只取对算法影响最大的项。

3.对于要去掉最高次前的系数：采用极限的思想，当未知量趋近于无穷（指正无穷，次数都为正数）时，前面的系数对整体的影响是不大的。

4.取最坏的情况：时间复杂度是一个保守预期，相同的算法，可能传入的数值的顺序有所差异，就会影响这个算法的效率，如果按照最好的情况来计算，那么如果数据非常庞大的话，我们就无法确保算法效率的精准性，如果取折中（中间情况）的方法，还是无法保证准确性。因此，我们应该取算法的最坏情况。

3.0:例题

//计算时间复杂度
void Func1(int N)
{
    int count = 0;
    for (int k = 0; k < 2 * N ; ++ k){
      ++count;
   }
     int M = 10;
     while (M--){
       ++count;
   }
     printf("%d\n", count);
}

从Func1中提取的数学表达式为： $2*N+10$ ，也就是说for语句执行2N次while语句执行10次

通过大O渐近表示法规则，保留最高项并且去掉系数，时间复杂度为 $O\left ( N \right )$ 。

//计算时间复杂度
void Func2(int N, int M)
{
    int count = 0;
    for (int k = 0; k < M; ++ k){
       ++count;
    }
    for (int k = 0; k < N ; ++ k){
       ++count;
    }
     printf("%d\n", count);
}

从Func2中提取的数学表达式为： $M+N$ ，由于我们无法确定M和N的量级，所以接下来对 $M+N$ 进行分类讨论

1.如果M的量级远大于N时此时N对整体的影响不大时间复杂度为 $O\left ( M \right )$

2.如果M和N属于同一个量级时此时M+N就可以表示为2N或2M 时间复杂度为 $O\left ( N \right )$ 或 $O\left ( M \right )$

3.如果N的量级远大于M时此时M对整体的影响不大时间复杂度为 $O\left ( N \right )$

//计算时间复杂度
void Func3(int N)
{
    int count = 0;
    for (int k = 0; k < 100; ++ k){
          ++count;
    }
    printf("%d\n", count);
}

从Func3中提取的数学表达式100，数学表达式为常数时，时间复杂度为 $O\left ( 1 \right )$

//计算时间复杂度
long long Fac(size_t N)
{
     if(0 == N)
     return 1;
     return Fac(N-1)*N;
}

从Fac函数是用递归求N的阶乘，通过它的思想Fac(N)调用Fac(N-1)，Fac(N-1)调用Fac(N-2) 以此类推一直调用到Fac(0)，一共调用了N+1次，所以时间复杂度 $O\left ( N \right )$

//计算时间复杂度
long long Fib(size_t N)
{
    if(N < 3)
    return 1;
   return Fib(N-1) + Fib(N-2);
}

Fib(N)调用Fib(N-1)和Fib(N-2)

Fib(N-1)调用Fib(N-2)和Fib(N-3)

Fib(N-2)调用Fib(N-3)和Fib(N-4)

.............

直到调用到Fib（2）Fib(1) Fib(0)收尾，像这样的第一次调用2个，第二次调用4个，第三次调用8个.............. $2=2^{1}$ $4=2^{2}$ $8=2^{3}$ 我们发现，这是一个首项为1（进入Fib(N)）公比为2的等比数列，通过求和公式计算出和为 $2^{N+1}-1$ ，再利用大O渐近表示规则，时间复杂度是 $O\left ( N^{_{2}} \right )$