时间复杂度问题

算法复杂度分为空间复杂度和时间复杂度。

        空间复杂度是指这个算法占用的内存

        时间复杂度就是指这个算法的工作量

时间频度：算法花费的时间跟算法执行次数成正比，所以我们计算时间频度都是由执行次数来计算

算法执行次数越多，花费的时间越多。一个算法中执行次数称为时间频度记为T（n）

在时间频度中，n为问题的规模，当n不断变化时，它呈现出来的规律就是时间复杂度O(n)。

比如说：时间频度T（n）=kn+b,那么它的时间复杂度就是O（n）,在时间复杂度中，只要是kn+b就代表它跟n是同量级的就可以把它的k和b省略掉

类似的：时间频度T（n）=kn^2+bn的时间复杂度是O（n^2）

一般常用到的时间复杂度和大小排序如下：

O（1）<O(logn)<O（n）<O(nlogn)<O（n^2）<O(n^2logn)<O（n^3）

如何快速计算算法的时间复杂度：

1.先确定问题的规模n

在一个普通的for循环中，它每个数都会执行一次，所以它的时间复杂度是O（n）

2.如果是循环减半那就是logn 例：二分查找和如下代码

for(int i=1;i<n;i*=2){

        count++;

}

它的时间复杂度因为是折半循环，时间复杂度就是O(logn) 

3.k层n循环的时间复杂度就是 O(n^k) 例：

for(int i=0;i<n;i++){

        for(int j=0;j<n;j++){

        count++;

}

}

它就是2层关于n循环，它的时间复杂度就是n*n即O(n^2)

 复杂情况：

1）先找出算法中基本语句

2）计算基本语句的执行次数的数量级

3）通过执行次数来判断它的时间复杂度

例：

int n=8;count=0;

for（int i=1；i<=n;i*=2）{

        for(int j=1;j<=i;j++){ 

        count++;       

        }

}

它的n在最外层，而且最外层是折半的是logn，然后通过里层for循环来计算执行次数的数量级

里层第一次执行次数：1

里层第二次执行次数：2

里层第三次执行次数：4

里层第四次执行次数：8

n=8时时间频率是：1+2+4+8

如果是n时总执行次数为：1+2+4+8+....+n/2+n=2n-1,我们知道它时间频率为2n-1,所以时间复杂度为O（n）

再看如下例子：

int m = 0,n=8

for(i = 1;i<n;i++){

         for(j=1;j<=2*i;j++) {

        m++;

        }

}

它的n在最外层，而且最外层是普通for循环时间复杂度是n，然后通过里层for循环来计算执行次数的数量级

里层第一次执行次数：0

里层第二次执行次数：2

里层第三次执行次数：4

里层第四次执行次数：6

里层第五次执行次数：8

里层第六次执行次数：10

里层第七次执行次数：12

里层最后一次执行次数：14

n=8的时间频繁即执行次数为：0+2+4+6+8+10+12+14

即如果是n时时间频率为：0+2+4+6+8+10+...+(n-2)*2+(n-1)*2=n(n-1)即它的时间复杂度为O(n^2)

八大排序的时间复杂度：

冒泡排序：O（n^2）

简单选择排序：O（n^2）

插入排序：O（n^2）

希尔排序：O(nlogn)

堆排序：O(nlogn)

基数排序：O(kn)

归并排序：O(nlogn)

递归排序：O(nlogn)

排序时间复杂度细节看我其他文章。