理解时间复杂度
两种算法时间性能分析方法
- 事后统计法
- 事前估计法
算法时间复杂度分析
用 O ( f ( n ) ) O(f(n)) O(f(n))表示时间复杂度,f(n)为基本语句的执行次数
时间复杂度的求积求和定理
- 求和定理
假设 T 1 ( n ) 和 T 2 ( n ) T_1(n)和T_2(n) T1(n)和T2(n)分别是程序段 P 1 P_1 P1、 P 2 P_2 P2的执行时间,并且 T 1 ( n ) = O ( f ( n ) ) T_1(n)=O(f(n)) T1(n)=O(f(n)), T 2 ( n ) = O ( g ( n ) ) T_2(n)=O(g(n)) T2(n)=O(g(n)),那么先执行 P 1 P_1 P1,再执行 P 2 P_2 P2的
总时间是 T 1 ( n ) + T 2 ( n ) = O ( M A X ( f ( n ) + g ( n ) ) ) T_1(n)+T_2(n)=O(MAX(f(n)+g(n))) T1(n)+T2(n)=O(MAX(f(n)+g(n))).多个并列循环就属于这种情况。 - 求积定理
假设 T 1 ( n ) 和 T 2 ( n ) T_1(n)和T_2(n) T1(n)和T2(n)分别是程序段 P 1 P_1 P1、 P 2 P_2 P2的执行时间,并且 T 1 ( n ) = O ( f ( n ) ) T_1(n)=O(f(n)) T1(n)=O(f(n)), T 2 ( n ) = O ( g ( n ) ) T_2(n)=O(g(n)) T2(n)=O(g(n)),那么 T 1 ( n ) × T 2 ( n ) = O ( f ( n ) × g ( n ) ) T_1(n) \times T_2(n)=O(f(n) \times g(n)) T1(n)×T2(n)=O(f(n)×g(n)).
例如多层嵌套就属于这种情况。