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).