一文读懂时间复杂度（time complexity）的计算

TCP---初学者

已于 2023-07-06 16:07:46 修改

阅读量605

点赞数 2

文章标签：算法数据结构

于 2023-07-06 15:54:26 首次发布

本文链接：https://blog.csdn.net/qq_44750854/article/details/131577086

版权

文章介绍了时间复杂度的概念，它是衡量算法效率的一种方式。通过大Ο记号来表示算法执行次数的数量级，重点关注最内层循环或嵌套结构。常见的算法时间复杂度有Ο(1)到Ο(n!)等，并通过一个例子展示了如何分析时间复杂度为Ο(log2n)的算法。时间复杂度分析应从内向外，考虑函数调用的影响。

摘要由CSDN通过智能技术生成

时间复杂度往往用来衡量一个算法的好坏，时间复杂度的估算是算法的重中之重。

一、什么是时间复杂度

时间复杂度是一种函数，用来描述算法执行的时间。既然是一种函数，就涉及到X与Y（自变量与因变量）。因变量代表是时间复杂度的执行时间，自变量是时间复杂度的问题规模。这里的执行时间，它表示的是一种“执行次数”。

二、时间复杂度的计算

用大Ο记号表示算法的时间性能。

将基本语句执行次数的数量级放入大Ο记号中。

如果算法中包含嵌套的循环，则基本语句通常是最内层的循环体，如果算法中包含并列的循环，则将并列循环的时间复杂度相加。例如：

for (i=1; i<=n; i++)
　　x++;

for (i=1; i<=n; i++)
　　　　for (j=1; j<=n; j++)
　　　　　　x++;

第一个for循环的时间复杂度为Ο(n)，第二个for循环的时间复杂度为Ο(n²)，则整个算法的时间复杂度为Ο(n+n²)=Ο(n²)。
　　加法原则：T(n)=O(f(n))+O(g(n))=O(max(fn,gn))

常见的算法时间复杂度由小到大依次为：

Ο(1)＜Ο(log2n)＜Ο(n)＜Ο(nlog2n)＜Ο(n²)＜Ο(n³)＜Ο(2^{n)＜Ο(n!)<O(n}n)

三、常见时间复杂度的例题

int result=1;
while(x<n){
X=X *2;
}
X=X * 2; 随着X每次乘以2后，都会越来越接近n，当X大于等于n时就会退出循环（限制条件）。
循环的次数为n，所以2^X=n于是X=log₂n，因此得出这个算法的时间复杂度为O(log 2n)。

时间复杂度分析的基本策略是：从内向外分析，从最深层开始分析。如果遇到函数调用，要深入函数进行分析。

转载自原文：https://blog.csdn.net/m0_63850771/article/details/127229462?ops_request_misc=&request_id=&biz_id=102&utm_term=%E6%97%B6%E9%97%B4%E5%A4%8D%E6%9D%82%E5%BA%A6%E8%AE%A1%E7%AE%97&utm_medium=distribute.pc_search_result.none-task-blog-2_allsobaiduweb~default-0-127229462.nonecase&spm=1018.2226.3001.4187