目录
首先介绍一下时间复杂度,时间频率等概念。
度量一个程序(算法)执行时间通常有2种方法,一个事后统计,一个事后估算。事后统计,有一定的限制条件,需要实际运行该程序,还有就是所得时间的统计量依赖于计算机的硬件、软件等环境因素,这种方式,要在同一台计算机的相同状态下运行,才能比较哪个算法速度更快。而事前估算的方法,是通过分析某个算法的时间复杂度来判断哪个算法更优秀。
👉 时间频度
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例,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)。[举例说明]
比如计算 1-100 所有数字之和, 我们设计两种算法:
int sum = 0; //方式一:使用for循环计算 for(int i=1; i<=100;i++){ sum+=i; } //方式二:直接计算 sum = (1+100)*100/2;
在方式一中,i<=100共执行了n+1次,所以其时间频度T(n)=n+1;
在方式二种,sum = (1+100)*100/2;共执行了1次,所以其时间频度T(n)=1;
不过一般在比较一个程序的时间频度时,一般会忽略T(n)表达式的常数项、低次项、系数,因为随着程序规模的增大,这些因素对计算时间复杂度,比较算法的优越没有多大的干扰系数。
👉 时间复杂度
(1)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。
(2)T(n) 不同,但时间复杂度可能相同。 如:T(n)=n²+7n+6 与 T(n)=3n²+2n+2 它们的 T(n) 不同,但时间复杂度相同,都为 O(n²)。
(3)计算时间复杂度的方法:
Ⅰ用常数 1 代替运行时间中的所有加法常数 T(n)=n²+7n+6 => T(n)=n²+7n+1
Ⅱ修改后的运行次数函数中,只保留最高阶项 T(n)=n²+7n+1 => T(n) = n²
Ⅲ去除最高阶项的系数 T(n) = n² => T(n) = n² => O(n²
常见的时间复杂度
说明:
1) 常见的算法时间复杂度由小到大依次为:Ο(1)<Ο(log2n)<Ο(n)<Ο(nlog2n)<Ο(n2)<Ο(n3)< Ο(nk) < Ο(2n) ,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
2) 从图中可见,我们应该尽可能避免使用指数阶的算法
👉马老师的词(炒鸡重要)
插排、堆排、归并和快排这四个相对来说比较重要,一般最坏和最好时间复杂度不用记。
《忆排序 面试我最强》
选泡插,
快归堆希统计基,
恩方恩老恩一三,
对恩加K恩乘K,
不稳稳稳不稳稳,
不稳不稳稳稳稳!
解析这首词:
选泡插,快归堆希桶计基;
恩方恩老恩一三,对恩加K恩乘K。
选快堆希都不稳