#1 算法与数据结构 时间复杂度和空间复杂度

算法时间复杂度的定义

• 算法时间复杂度的定义：进行算法分析时，语句总的执行次数T（n)是关于问题规模n的函数，进而分析T（n）随n的变化情况并确定T（n)的数量级。算法的时间复杂度，也就是算法的时间度量，记作:T(n)=O(f(n))。它表示随问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐进时间复杂度，简称为时间复杂度。其中f(n)是问题规模n的某个函数。
• 这样用大写O()来体现算法时间复杂度的记法，我们称之为大O记法。
• 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。
• 显然，由此算法时间复杂度的定义可知，三个求和算法的时间复杂度分别为O（1），O(n)，O(n^2)

如何推导大O阶

04_时间复杂度和空间复杂度2 P4 - 08:45
小甲鱼算法与数据结构教程

• 用常数1取代运行时间中的所有加法常数。
• 在修改后的运行次数函数中，只保留最高阶项。
• 如果在最高阶项存在且不是1，则去除与这个项相乘的常数。
• 得到的结果就是大O阶。

线性阶

04_时间复杂度和空间复杂度2 P4 - 11:16

一般含有非嵌套循环涉及线性阶，线性阶就是随着问题规模n的扩大，对应计算次数呈直线增长

int i,n = 100; sum = 0;
for(i=0;i<n;i++)
{
	sum = sum + i;
}

上面这段代码，它的循环的时间复杂度为O(n)，因为循环体中的代码需要执行n次。

平方阶

int i,j,n=100;
for(i=0;i<n;i++)
{
	for(j=0;j<n;j++)
	{
	printf("I love FishC.com\n");
	}
}

这段代码的时间复杂度为O(n^2)。

对数阶

int i=1,n= 100;
while(i<n)
{
	i= i * 2;
}

这个循环的时间复杂度为O(logn).