本文总结了算法的时间复杂度，从常数阶O(1)到指数阶O(2^n)，包括线性阶O(n)、平方阶O(n^2)、对数阶O(log2n)等，并通过实例解析了常见算法的时间复杂度，如二分查找的O(log2n)和冒泡排序的O(n^2)。此外，还强调了在实际应用中考虑算法最坏情况和期望行为的重要性。
一、时间复杂度：是指一个算法执行所耗费的时间。
时间频度 ：一个算法中的语句执行次数。哪个算法中语句执行次数多，它花费时间就多
n称为问题的规模：一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数
在时间频度不相同时，时间复杂度有可能相同，如T(n)=n2+3n+4与T(n)=4n2+2n+1它们的频度不同，但时间复杂度相同，都为O(n2)。
按数量级递增排列，常见的时间复杂度有： 常数阶O(1),对数阶O(log2n),线性阶O(n), 线性对数阶O(nlog2n),平方阶O(n2)，立方阶O(n3),...， k次方阶O(nk),指数阶O(2n)
空间复杂度 ：与时间复杂度类似，空间复杂度是指算法在计算机内执行时所需存储空间的度量。
以下六种计算算法时间的多项式是最常用的。其关系为：
最低0.47元/天 解锁文章
扫一扫
530
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
