时间复杂度的求解

最新推荐文章于 2023-06-30 11:41:15 发布

尘桥湖

最新推荐文章于 2023-06-30 11:41:15 发布

阅读量297

点赞数 2

文章标签：算法数据结构

本文链接：https://blog.csdn.net/m0_75220252/article/details/129033071

版权

文章介绍了算法的时间复杂度概念，它表示在最坏情况下算法执行时间的上界。通过示例分析了不同类型的循环结构，如三层嵌套循环和以3为底的指数增长，展示了如何计算和表示时间复杂度，如O(n^2)和O(以3为底n的对数)。此外，还讨论了嵌套循环对时间复杂度的影响，例如O(n*m)和O(n^2)的情况。

摘要由CSDN通过智能技术生成

T(n) = O(f(n))

算法执行时间的增长率和f(n)的增长率相同，称作算法的渐进时间复杂度，简称为时间复杂度

所谓时间复杂度是指最坏情况下，估计算法执行时间的一个上界

算法的时间复杂度与空间复杂度没有直接关系

示例 1

for(i = 1; i <= n; i++)
{ 
   for(j = 1; j <= i; j++)
    {
       for(k = 1; k <= j; k++)
       {
          x++
        }
     }
}

示例 2

i = 1;
while(i <= n)
     i = i*3;

设基本语句"i = i*3;"的执行次数为f(n),则有： $3^{f(n))}\leq n$ 。因此，T(n) = O(以3为底n的对数)

示例3 嵌套循环

for(i = 0; i < n; i++)
  for(j = 0; j < m; j++)
     a[i][j] = 0;





s = 0;
for(i = 0; i < n; i++)
   for(j = 0; j < n; j++)
      s +=B[i][j];

由于程序为嵌套循环，外层执行的次数为n,内层循环的执行次数为m。所以，T(n) = O(n*m)

由于程序为嵌套循环，外层执行的次数为n,内层循环的执行次数为n。所以，T(n) = O(n*n)

关注