时间复杂度

时间复杂度

衡量算法的优劣是通过时间与空间两个维度去衡量，时间复杂度是执行当前算法所消耗的时间，一个程序在计算机上运行时所消耗的时间取决于下列因素：
(1) 算法采用的策略、方法；
(2) 编译产生的代码质量；
(3) 问题的输入规模；
(4) 机器执行指令的速度。
n称为问题的规模，当n不断变化时，时间频度T(n)也会不断变化
一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数，用T(n)表示，Ｏ(f(n)) 为算法的渐进时间复杂度，简称时间复杂度。

思考：

1、通过O(n)的时间，把n的问题，变成了n/2的问题，复杂度是多少？

2、通过O(1)的时间，把n的问题，变成了两个n/2的问题，复杂度是多少？

1、通过O(n)的时间，把n的问题，变成了n/2的问题，复杂度是多少？
T(n)=T(n/2)+O(1)=O(logn)
T(n)=T(n/2)+O(n)=O(n)

（1）T(n)=T(n/2)+O(1)=?

T(n) = T(n/2) + O(n) = (T(n/4) + O(n/2)) + O(n) = … 约等于O(logn)
比如二分法，通过O(1)的时间，把n的问题，变成了n/2的问题，舍弃到其中不满足条件的一半，继续划分，二分查找在最坏的情况下依次是n/2,n/4,n/8。。。。 一直到1为止，n(1/2)^x = 1 得出x = logn

（2）T(n)=T(n/2)+O(n)=?

T(n)<= n + n/2 + n/4 +…1 + O(n) = 2n-2 + O(n)= O(n)

2、通过O(1)的时间，把n的问题，变成了两个n/2的问题，复杂度是多少？
T(n)=2T(n/2)+O(1)=?
T(n)=2T(n/2)+O(n)=?

带系数2T(n/2) 可以通过树型分析法

（1）T(n)=2T(n/2)+O(1)=?
分析如下：

将n拆分成两个n/2，需要花费O(1)的时间

将两个n/2拆分成4个n/4, 需要花费O(2)的时间

将四个n/4拆分成8个n/8，需要花费O(4)的时间
…
树总共有logn层，但是每一层耗费并不一样，将O(1) +O(2) + O(4) +…+ O(n/2) = O(1 + 2 + 4 +… + n) = O(n)

（2）T(n)=2T(n/2)+O(n)=?
分析如下：

将n拆分成两个n/2，需要花费O(n)的时间

将两个n/2拆分成4个n/4, 需要花费O(n/2) + O(n/2) = O(n)的时间

将四个n/4拆分成8个n/8，需要花费O(n/4) + O(n/4) + O(n/4) + O(n/4) = O(n)的时间

树高为logn，每层都是O(n), 所以时间复杂度为O(nlogn)

归并排序跟快排最好的情况是O(nlogn)

归并排序：左边排序 右边排序 将排序后的结果合并到一起

快排：通过枢轴划分为两部分，再分别进行排序

二叉树的时间复杂度呢?
是T(n) = 2T(n/2) + O(1)