一.算法效率分析

一.算法的最优、最差和平均效率

1.最差效率Big O
把函数t(n)包含在O(g(n))，记作t(n)$\in$O(g(n))；其成立条件为对于所有足够大的n，t(n)的上界由g(n)的常数倍确定，即存在大于0的常数c和非负的整数n₀，使得：
对于所有的n$\ge$n₀，都有t(n)$\le$cg(n)

性质：

• O(kf(n)) = O(f(n))，其中k为常量
• O(f(n))+O(g(n)) = max(O(f(n))，O(g(n)))
• O(f(n))*O(g(n)) = O(f(n)*g(n))

2.最优效率Big Ω
把函数t(n)包含在Ω(g(n))，记作t(n)$\in$Ω(g(n))；其成立条件为对于所有足够大的n，t(n)的上界由g(n)的常数倍确定，即存在大于0的常数c和非负的整数n₀，使得：
对于所有的n$\ge$n₀，都有t(n)$\ge$cg(n)

3.平均效率Big $\Theta$

二.时间复杂度的计算

T(n)为单调递增函数，且有T(n)=aT(n/b)+f(n),f(n) —> $\theta$(n^d)，则有

• 若a<b^d，T(n)=$\theta$(n^d)
• 若a=b^d，T(n)=$\theta$(n^dlogn)
• 若a>b^d，T(n)=$\theta$($n^{lo{g}_{b}a}$)

典型例题

提示：令n=3^k，
答案为T(n)=$\theta$(loglogn)

提示：根据递归树求得规律，
答案为T(n)=$\theta$(n²log²n)