什么是大O符号?
https://baike.baidu.com/item/%E5%A4%A7O%E7%AC%A6%E5%8F%B7/656100?fr=aladdin
大O符号(Big O notation)是用于描述函数渐进行为的数学符号。更确切地说,它是用另一个(通常更简单的)函数来描述一个函数数量级的渐近上界。在数学中,它一般用来刻画被截断的无穷级数尤其是渐近级数的剩余项;在计算机科学中,它在分析算法复杂性的方面非常有用。
================================================================================================
引用连接:
https://blog.csdn.net/zhaofen_7/article/details/81035802
前言:
数据结构与算法中,数据结构就像一个厨房(有食材,有餐具,各种炊具),而算法就像厨师脑海中的菜谱,只有好的食材(数据),整洁有序的厨房(数据组织),简洁明了的菜谱(算法),厨师才能做出美味(程序正确高效的运行)
衡量算法的好坏可以通过两种方式
1.事后统计:没啥用
2.事先估计:时间复杂度估算,空间复杂度估算
时间复杂度最为常用,在同等输入规模下,通过估计代码的执行次数,从而估计代码的时间复杂度!
计算时间复杂度通过——大O阶方法
1.用常数取代运行时间中的所有加法常数
2.在修改后的运行次数函数中,只保留最高阶项
3.如果最高阶项存在且不是1,则去除与这个项相乘的常数
得到大O阶
n++; //1.执行次数为1
function(n); //2.执行次数为n
int i,j;
for(i=0;i<n;i++) //3.执行次数为n²
{
function(i);
}
for(i=0;i<n;i++)//从0~n-1共n次
{
for(j=i;j<n;j++)//对应外层循环,从0~n-1,每次循环的执行次数分别为n,n-1,n-2,n-3,,,1
{
/*时间复杂度为O(1)的程序步骤序列*/
}
}
//循环次数为1+。。。。。+(n-3)+(n-2)+(n-1)+n=n(1+n)/2
//4.所以执行次数为n(1+n)/2
步骤:
1.分析代码片段的执行次数
2.得到执行次数的函数F(n)=1+n+n²=n(1+n)/2=3/2n²+3/2n+1
3.用常数取代运行时间中的所有加法常数———————————————–>得到F(n)=An²+An+1(A为常数)
4.在修改后的运行次数函数中,只保留最高阶项————————————–>得到F(n)=An²
5.如果最高阶项存在且不是1,则去除与这个项相乘的常数————————>最高阶项存在,不是1,去掉常数A
最终得到O(n)=n²,时间复杂度为n²
先要得到执行次数的函数,再求O(n)。
O(1)<O(log(x))<O(x)<O(x*log(x))<O(x^2)<O(x^3)<O(2^n)<O(n!)<O(n^n)