转载请注明出处:
http://blog.csdn.net/qq347198688/article/details/52725764
本文出自【何嘉龙的博客】
前言
国庆小长假到了,不知道大家的国庆长假过得怎么样?在空间里面看到同学都外出浪了,我表示很嫉妒啊。哎,作为一个死宅男,还是安安静静的在宿舍写我的博客还有刷剧吧。我是自动化专业,由于是非科班出生,又听说大公司都比较重基础,于是乎,我准备恶补下数据结构与算法分析,我看的是《大话数据结构》,希望把自己的基础功打牢一点,进自己想进的公司吧。我也希望大家国庆能过得愉快!
时间复杂度
时间复杂度的定义
在进行算法分析时,语句总的执行次数T(n)是关于问题规模n的函数,进而分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度,也就是算法的时间复杂量度,记住:T(n)=O(f(n))。它表示随问题规模n的增大,算法执行时间的增长率和f(n)的增长率相同,称作算法的渐近时间复杂度,简称为时间复杂度。其中f(n)是问题规模n的某个函数。
这样用大写O()来体现算法时间复杂度的记法,我们称之为大O记法。一般情况下,随着n的增大,T(n)增长最慢的算法为最优算法。
显然,由此算法时间复杂度的定义可知,我们的三个求和算法的时间复杂度分别为O(n),O(1),O(n²)。我们分别给它们取了非官方的名称,O(1)叫常数阶、O(n)叫做线性阶,O(n²)叫平方阶,当然,还有其他的一些阶,我们之后会介绍。
推导大O阶方法
那么如何分析一个算法的时间复杂度呢?即如何推导大O阶呢?我们给出了下面的推导方法,基本上,这也就是总结前面我们举的例子。
推导大O阶:
1.用常数1取代运行时间后的所有加法常数。
2.在修改后的运行次数函数中,只保留最高阶项。
3.如果最高阶存在且不是1,则去除与这个项相乘的常数。得到的结果就是大O阶。
哈,仿佛是得到了游戏攻略一样,我们好像已经得到了一个推导算法时间复杂度的万能公式。可事实上,分析一个算法的时间复杂度,没有这么简单,我们还需要多看几个例子。
常数阶
首先顺序结构的时间复杂度。下面这个算法,也就是高斯算法,为什么时间复杂度不是O(3),而是O(1)。