时间复杂度:
时间复杂度就是用来表示代码运行的优异性,配合数据结构来用;简单的说,为了实现一个功能,例如排序,时间复杂度低,代表可以用更短的时间来实现,那么在项目过程中就更优化;
2. 时间频度
一个算法中,语句执行的次数,被称为时间频度T(n):时间频度和复杂度是不同的
3.概念
定义:存在某个辅助函数f(n),当n->∞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,记做T(n)=O(f(n)),则称O(f(n))为算法的渐进时间复杂度,简称时间复杂度。用大O来表示时间复杂度
4. 计算方法
计算出时间频度
计算出T(n)的数量级
忽略常量,如果运行时间是常数量级,则用1表示
忽略低次幂
忽略高次幂系数
5. 示例
O(1) 常数算法
int a = 1, b = 3, c = 3;
1
单条操作频度为1,属于常数量级,所以为O(1)
O(n) 线性算法
int sum = 0;
for(int i = 0; i < n; i++){
sum+=i;
}
1
2
3
4
sum=0 与 i=0,操作频度为1,i<n;i++;sum+=i频度为n
T(n) = 2+3n =O(n)
O(n^2)
int num1, num2;
for(int i=0; i<n; i++){
num1 += 1;
for(int j=1; j<=n; j++){
num2 += j;
}
}
int num1, num2; i=0频度为1
i<n;i++;num1+=1;j=1频度为n
j<=n;j++;num2+j频度为n^2
T(n) = 2+4n+3n2=O(n2)
O(logn) 折半算法
int i = 1;
while(i<=n){
i*=2
}
可以理解为2^(f(n))=n 则f(n) = logn , T(n) = O(logn)
内容转载,忘记转载地址了,如有侵权,联系删除或加地址;