算法复杂度介绍

qq_30024063

已于 2024-08-19 09:57:50 修改

阅读量290

点赞数 4

分类专栏：数据结构和算法文章标签：数据结构算法

于 2024-08-19 09:26:30 首次发布

本文链接：https://blog.csdn.net/qq_30024063/article/details/141310888

版权

数据结构和算法专栏收录该内容

2 篇文章 0 订阅

订阅专栏

数据结构和算法本质上是 ” 快 “ 和 " 省 " 。所以代码的执行效率是非常重要的度量。

算法复杂度分为时间复杂度和空间复杂度。

时间复杂度

大O复杂度表示法

int sum(int n){
    int s=0; //t
    int i=1; //t
    for(;i<=n;i++){ //t*n
        s=s+i; //t*n
    }
    return s; //t
}
n=100
1+1+100n+100n+1=200n+3

我们假设执行一行代码的时间为 t ，通过估算，代码的执行时间 T(n) 与执行次数成正比，记做 :

T(n)=O(f(n))

T(n) ：代码执行时间

n ：数据规模

f(n) ：每行代码执行次数总和

O ：代码的执行时间与 f(n) 表达式成正比

上面的例子中的 T(n)=O(2n+2)

当 n 无限大时，低阶、常量、系统都可以忽略

所以 T(n)=O(n)

即上例中的时间复杂度为 O(n) ，也就是代码执行时间随着数据规模的增加而增长

int sum(int n){
    int s=0;
    int i=1;
    int j=1;
    for(;i<=n;i++){// n
        j=1;
        for(;j<=n;j++){ //n*n
            s=s+i+j; //n*n
        }
    }
    return s;
}

上例中 T(n)=O(n*n) ，也就是代码执行时间随着数据规模的增加而平方增长

即：上例中的时间复杂度为 O(n² )

时间复杂度也成为 渐进时间复杂度 。

计算时间复杂度的技巧

计算循环执行次数最多的代码
总复杂度=量级最大的复杂度

比如把上面两段代码合在一起

int sum(int n){
    int s=0;
    int i=1;
    int j=1;
    for(;i<=n;i++){ //t*n
        s=s+i; //t*n
    }
    for(;i<=n;i++){// n
        j=1;
        for(;j<=m;j++){ //n*m
            s=s+i+j; //n*m
        }
    }
    return s;
}

时间复杂度为 O(n²)

嵌套代码的复杂度等于嵌套内外代码复杂度的乘积(乘法法则)

常见的时间复杂度

O(1)

这种是最简单的，也是最好理解的，就是常量级

不是只执行了一行代码，只要代码的执行不随着数据规模 (n) 的增加而增加，就是常量级

在实际应用中，通常使用冗余字段存储来将 O(n) 变成 O(1) ，比如 Redis 中有很多这样的操作用来提

升访问性能

比如 :SDS 、字典、跳跃表等

O(logn)、O(nlogn)

i = 1;
while(i <= n){
    i = i * 2;// 执行最多
}

2 =n

x=log n

忽略系数为 logn

T(n)=O(logn ）

如果将该代码执行 n 遍

则时间复杂度记录为 :T(n)=O(n*logn ），即 O(nlogn)

快速排序、归并排序的时间复杂度都是 O(nlogn)

O(n)

很多线性表的操作都是 O(n), 这也是最常见的一个时间复杂度

比如：数组的插入删除、链表的遍历等

O(m+n)

代码的时间复杂度由两个数据的规模来决定

int sum(int m,int n){
    int s1=0;
    int s2=0;
    int i=1;
    int j=1;
    for(;i<=m;i++){
        s1=s1+i; // 执行最多
    }
    for(;j<=n;j++){
        s2=s2+j; //执行最多
    }
    return s1+s2;
}

m 和 n 是代码的两个数据规模，而且不能确定谁更大，此时代码的复杂度为两段时间复杂度之和，

即

T(n)=O(m+n) ，记作： O(m+n)

O(m*n)

int sum(int m,int n){
    int s=0;
    int i=1;
    int j=1;
    for(;i<=m;i++){// m
        j=1;
        for(;j<=n;j++){ //m*n
            s=s+i+j; //m*n
        }
    }
    return s;
}

根据乘法法则代码的复杂度为两段时间复杂度之积，即

T(n)=O(m*n) ，记作： O(m*n)

当 m==n 时 , 为 O(n²)