最简单的时间复杂度入门

介绍

---

作为一个计算机自学的初学者，看了不少中文的时间复杂度入门，一直看不太懂，之后在日本的qiita上看到了这篇文章
[初心者向け] プログラムの計算量を求める方法
非常简单易懂，于是自己总结并且简单搬运一下。

同样是按照原文说的，因为是面向初学者，所以比起严密，易于理解更加重要。

关于代码

---

原文使用c语言(c99)写的，我在这里为了初学者而使用python。

什么是复杂度

---

在日文中时间复杂度叫时间计算量，复杂度就是

一个程序有怎样的速度的粗略表示的指标

稍微正确的说就是

输入大小的增加，到底执行时间以怎样比例增加的指标

通过图像来看计算量

---

在这里，输入数据按照n增加，执行时间也是按照n来增加。

现在来看看别的图片。

输入数据按照n增加，但实行时间是按照n的平方增加。

计算量有啥用

---

计算量可以比较两个算法的性能，很简单的看上图，蓝色的曲线性能要更加优越，同样的输入大小下运算时间更少。

大O记法表示计算量

---

计算量一般采用O记法，比如上面的例子就可以写成O(n)和O(n^2)。

如何求计算量

---

def calculate(n):

    count = 0  
    for i in range(n):
        count = count + 1   

    for i in range(n):
        for j in range(n):
            count = count + 1  

    for i in range(n):
        for j in range(n):
            count = count + 1  
    return count  

复杂度按照以下三个步骤求出来

第一步）求出各行的执行次数

---

def calculate(n):

    count = 0  ##执行1次
    for i in range(n):
        count = count + 1   ##执行n次

    for i in range(n):
        for j in range(n):
            count = count + 1  ##执行n^2次

    for i in range(n):
        for j in range(n):
            count = count + 1  ##执行n^2次
    return count  ##执行1次

第二步）求出程序全部的步数

---

将各行步数相加，求出程序总的步数。
程序全体的步数 = 1+n+n²⁺ⁿ2+1
=2+n+2n^2

第三步）将不需要的东西扔掉

---

把上面求出的总步数中不要的东西扔掉

a.把最高次以外的项省略

2+n+2n^2 --> 2n^2

b.把系数省略

2n^2 --> n^2

结果

---

最终这个程序的复杂度就是
O(n^2)

求复杂度时的规则

---

在求复杂度时要注意以下规则

规则1）将最高次以外的省略

---

在求复杂度时将低次项省略，只保留最高次。

理由）

求复杂度是在输入大小非常大的前提下去考虑的，所以输入非常大时，低次项的重要度就变得相当的低，于是可以无视。

比如，输入n很小的时候( n = 10 )
n^2 + n = 110
n^2 = 100
这个时候低次项影响较大，但如果输入很大的话 ( n = 100000 )
n^2 + n = 10000100000
n^2 = 10000000000
这样看低次项的重要性就很小了。

规则2）系数省略

---

在复杂度的定义上，常数倍的不同是可以省略的。比如，O(n)，O(2n)，O(3n)之间只有互为常数倍的不同，系数部分无视，哪一个的复杂度都是O(n)。

例子

---

顺序执行

---

• 代码

count = count + 1  ##执行一次
count = count + 1  ##执行一次

• 总次数
  命令按照顺序执行，总次数相加就是两次

• 复杂度
  上面的代码不会按照输入什么而不同，所以复杂度写出来就是
  O(1)

循环

• 代码

for i in range(n/3):
    count = count + 1  ##执行n/3次

• 总次数
  n/3

• 复杂度
  因为和常数倍数无关，所以省略系数
  n/3 --> O(n)

循环

• 代码

for i in range(n)
    i = i * 2
    count = count + 1  ##执行log(n)次

• 总次数
  执行一次后 i 乘以2，一直到n，类似二分法的执行次数，所以是log(n)次，注意在信息学中log的底通常为2。

• 计算量
  O(log n)

结尾

---

翻译就到这里，其他的部分很多是在重复，会日语的朋友可以自己去看看，基本是我见过的最简单的关于时间复杂度的入门文章，有兴趣的朋友可以再参考其他的文章。顺便说一个，在做MIT算法公开课的题目是看到这句话

log n is O(n^c)

这里注意一下，在我的理解中，等于不是等于的意思，而是是的意思。大O只是一种符号去表达一个渐进的上边界的意思，类似于极限的概念，在考虑问题时不要搞混

上面的等于来源于这条规则。
一篇文章就不讲太多了，希望大家好好学习天天向上。