0.复杂度分析：如何分析代码执行效率和资源消耗

最新推荐文章于 2022-08-22 20:54:22 发布

老汉去哪儿

最新推荐文章于 2022-08-22 20:54:22 发布

阅读量645

点赞数 2

分类专栏：算法笔记文章标签：算法

本文链接：https://blog.csdn.net/qq_30435941/article/details/119790576

版权

本文介绍了大O复杂度表示法，详细阐述了时间复杂度的加法和乘法法则，并列举了几种常见的时间复杂度量级，如O(1)、O(logn)、O(nlogn)、O(m+n)和O(mn)，以及空间复杂度分析方法。通过实例解析了如何分析代码的执行效率和资源消耗。

摘要由CSDN通过智能技术生成

（一）大O（字母大写O）复杂度表示法

若将每条语句执行的单位时间看作一致的，也就将得出一个规律：一段代码的执行时间T(n)与每一条语句总的执行次数（累加数）成正比。即公式：

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

其中T(n)代表代码执行的总时间；n表示数据规模； f(n)表示每条语句执行次数的累加和，此值与n密切相关；公式中的O表示T(n)与f(n)成正比。
实际上，大O时间复杂度并不真正具体表示代码执行时间，而是表示代码执行时间随数据规模增大的变化趋势，因此也称为渐进时间复杂度（asymptotic time complexity），简称时间复杂度。
当n很大时，公式中的低阶、常量、系数三部分并不左右增长趋势，因此可忽略。此时，只需记最大量级。形如：

T(n) = O(2n+3)     =>    T(n) = O(n)

注：非O(2n)， O表示的是变化趋势，而不是某一具体关系。

T(n) = O(2n^2 + 2n + 3)  =>  T(n) = O(n^2)

注：非O(n² + n)，n² >> n，故n被忽略。

（二）时间复杂度分析方法

1.加法法则

代码总的复杂度等于量级最大的那段代码的复杂度。
我们通常会忽略公式中的常量，低阶和系数只记录最大量级。
如下面一个例子：

int cal(int n) {
   
    int sum_1 = 0;
    int p = 1;
    for(; p <= 100; ++p) {
   
        sum_1 = sum_1 + p;
    }

    int sum_2 = 0；
    int q = 1;
    for(; q <= n; ++q) {
   
        sum_2 = sum_2