算法复杂度简析

最新推荐文章于 2022-08-30 21:09:21 发布

WXDEE

最新推荐文章于 2022-08-30 21:09:21 发布

阅读量479

点赞数 1

分类专栏：数据结构与算法文章标签：算法复杂度算法

本文链接：https://blog.csdn.net/qq_29791893/article/details/76942895

版权

数据结构与算法专栏收录该内容

11 篇文章 0 订阅

订阅专栏

1.时间复杂度

1.1 时间频度
一个算法中语句的执行次数称为语句频度或时间频度。记为T(n)。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。

1.2 定义
一般情况下，算法中基本语句重复执行的次数是问题规模n的某个函数，用T(n)表示。若有某个辅助函数f(n),使得当n趋近于无穷大时，T(n)/f(n)的极限值为不等于零的常数，则称f(n)是T(n)的同数量级函数。记作：T(n)=O(f(n)) 。 O(f(n))称作算法的渐近时间复杂度，简称时间复杂度。
其中，O表示数量级。该式表示随着问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，即当n趋于正无穷时T(n)的上界是C*f(n)。

1.3 时间复杂度按数量级递增排序：
常数阶O(1)、对数阶O(log2^n)、线性阶O(n),、线性对数阶O(nlog2^n)、平方阶O(n^2)、立方阶O(n^3),…,k次方阶O(n^k)、指数阶O(2^n)。

1.4 计算时间复杂度的基本步骤
a. 找出所有语句中频度最大（执行次数最多）的那条语句作为基本语句。
b. 计算基本语句执行次数的数量级。在计算时，可以忽略所有低次幂项和最高次幂项的系数。
c. 取其基本语句执行次数的数量级放入符号“O”中即可。

1.5 计算技巧
a. 如果算法的执行时间不随问题规模n的增加而增长，即算法中的语句频度是个常数，即使这个常数再大，算法时间复杂度都是O(1)。
例：for(i=0;i<10000;i++){x++;s=0;}
b. 在时间频度不相同时，时间复杂度有可能相同。如：T(n)=n^2+n+1与T(n)=2n^2+3n+2。它们的频度不同，但时间复杂度相同，都为O(n^2)。
c. 当有若干个嵌套循环语句时，算法的时间复杂度通常由最深层循环内的基本语句决定；如果算法中包含并列的循环，则将并列循环的时间复杂度相加。例：

x=0;y=0;
for(k=1;k<=n;k++)
   x++;
for(i=1;i<=n;i++)
   for(j=1;j<=n;j++)
      y++;

第一个循环的时间复杂度为O(n)，第二个循环的时间复杂度为O(n^2)，则整个算法的时间复杂度为O(n+n^2)=O(n^2)。

1.6 计算法则
a. 求和法则
若算法的两个部分时间复杂度分别为：T1(n)=O(f(n))、 T2(n)=O(g(n))，则T1(n)+T2(n)=O(max(f(n),g(n)))。另外，若T1(m)=O(f(m))、T2(n)=O(g(n))，则T1(m)+T2(n)=O(f(m)+g(n))。
用于顺序结构，即需要依次执行一系列语句。
b. 乘法法则
若算法的两个部分时间复杂度分别为：T1(n)=O(f(n))、T2(n)=O(g(n))，则 T1*T2=O(f(n)*g(n))。
用于循环结构。循环语句的运行时间耗费：多次迭代中执行循环体以及检验循环条件。
c. 其余运算法则
1）若g(n)=O(f(n))，则O(f(n))+O(g(n))=O(f(n))
2）O(Cf(n))=O(f(n)) 其中，C为常数。

1.7 各种排序算法时间复杂度和空间复杂度表