自学数据结构与算法基础-3

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2^x = 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)