数据结构——时间复杂度

作者：小 琛
欢迎转载，请标明出处

时间复杂度

概念

用来表示一个算法的理论上的耗时时间

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)

时间复杂度

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

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

示例

O(1) 常数算法

int a = 1, b = 3, c = 3;

单条操作频度为1，属于常数量级，所以为O(1)

O(n) 线性

int sum = 0;
for(int i = 0; i < n; i++){
    sum+=i;
}

sum=0 与 i=0，操作频度为1，i<n;i++;sum+=i频度为n
因此，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)