时间频度
一个算法花费的时间与算法中语句的执行次数成正比,哪个算法中语句执行次数多,它花费时间就多。一个算法中的语句执行次数称为语句频度或时间频度。记为T(n)。
时间复杂度
一般情况下,算法中的基本操作语句的重复执行次数是问题规模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) ),称O( f(n) ) 为算法的渐进时间复杂度,简称时间复杂度。
常见的时间复杂度
- 常数阶O(1)
- 对数阶O( l o g 2 n log_2n log2n)
- 线性阶O(n)
- 线性对数阶O( n l o g 2 n nlog_2n nlog2n)
- 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)
常见的算法时间复杂度由小到大依次为:Ο(1)<Ο( l o g 2 n log_2n log2n)<Ο(n)<Ο( n l o g 2 n nlog_2n nlog2n)<Ο( n 2 n^2 n2)<Ο( n 3 n^3 n3)< Ο( n k n^k nk) <Ο(2^n) ,随着问题规模n的不断增大,上述时间复杂度不断增大,算法的执行效率越低。