算法时间复杂度
理解
- 时间复杂度用T(n)表示,T(n)为算法语句总执行次数。T(n) = O(f(n)),表示为随着问题规模n的增大,算法执行的时间的增长率和f(n)的增长率相同,称为时间复杂度。(执行次数==时间)
- 一般情况下,随着输入规模n的增大,T(n)增长最慢的算法为最优算法。
- 这样用O()来体现算法时间复杂度的记法称作大O记法
1,n,n2 的时间复杂度分别是O(1),O(n),O(n2)
如何分析一个算法的时间复杂度
- 用常数1取代运行时间中的所有加法常量。
- 在修改后的运行次数函数中,只保留最高阶项。
- 如果最高阶项存在且不是1,则去除与这个项相乘的常数。
- 得到的最后的结果就是大O阶。
常数阶
int sum = 0 , n = 100;
printf("hahahahahahaha");
printf("hahahahahahaha");
printf("hahahahahahaha");
sum = (1+n)*2/2;
时间复杂度为O(1)
线性阶
int i , n = 100 , sum = 0 ;
for(i = 0 ; i < n ; i++)
{
sum = sum + i;
}
时间复杂度为O(n)
平方阶
int i , j , n = 100;
for(i = 0 ; i < n ; i++){
for(j = 0 ; j < n ; j++){
printf("hahahahaha\n");
}
}
时间复杂度为O(n2)
对数阶
int i = 1,n = 100;
while(i < n){
i = i * 2;
}
- 由于每次i*2之后,就举例n更近一步,假设有x个2相乘后大于或等于n,则会退出循环。
- 于是2x = n 所以x = log(2)n,所以时间复杂度为O(logn)
函数调用的时间复杂度分析
n++;
function(n);
for( i = 0 ; i < n ; i++){
function(i);
}
for( i = 0 ; i < n ; i++){
for(j = i ; j < n ; j++){
printf("%d",j);
}
}
时间复杂度为O(n2)
常见的时间复杂度
例子 | 时间复杂度 |
---|---|
123123 | O(1) |
3n+4 | O(n) |
3n2+2 | O(n2) |
3log(2)n+4 | O(logn) |
n3+3n2 | O(n3) |
2n | O(2n) |