算法的时间复杂度

什么是时间复杂度？

用来评估算法运行效率的一个式子

print('hello world')

此处时间复杂度可以表示为：$O(1)$

$O$表示大约的意思，$1$在这里表示的是单位的意思，即大约运行以$1$为单位的时间。

for i in range(n):
	print('hello world')

此处时间复杂度可以表示为：$O(n)$

因为此处循环$n$次，即大约运行以$n$为单位的时间。

for i in range(n):
	for j in range(n):
		print('hello world')

此处时间复杂度可以表示为：$O(n^2)$

因为此处循环$n\ast n$次，即大约运行以$n^2$为单位的时间。

易错点 1：注意单位而不是次数

print('hello world')
print('hello world')
print('hello world')

此处的时间复杂度各位认为可以表示为什么呢？$O(3)$?

此处的时间复杂度仍表示为：$O(1)$

$O()$括号里面内容表示单位的意思，而不代表次数。运行三次，三是个量词，三次代表次数而不是单位，若将其视为单位则可以理解为运行时间大约以$n^0$为单位。

易错点 2：注意大约而不是准确

for i in range(n):
	print('hello world')
	for j in range(n):
		print('hello world')

再看到此处，时间复杂度各位认为可以表示为什么呢？$O(n^2+n)$?

此处的时间复杂度仍表示为：$O(n^2)$

$O()$中的$O$表示的是大约的意思，而不是准确。当$n$非常大时，$n^2$将远大于$n$，$n$即可忽略不计。因此可以理解为运行时间大约以$n^2$为单位。

重难点 ：时间复杂度里的对数

while n > 1:
	print(n)
	n = n // 2

此次的时间复杂度各位认为又是多少呢？

当 $n=64$ 时，输出：64 42 16 8 4 2

共计 $6$ 次，$2^6=64$，$log₂64=6$

其中 $n$ 为 $64$ ，这里把 $6$ 次视为单位的话，即 $log₂n=单位$

所以此处的时间复杂度记为$O(log₂n)$或$O(logn)$

当算法过程中出现循环折半的时候复杂度式子中会出现 $logn$

小结

• 时间复杂度是用来估计算法运行时间的一个式子（单位）；

• **一般来说，**时间复杂度高的算法比复杂度低的算法慢；

• 常见的时间复杂度（按效率排序）

  $O(1)<O(logn)<O(n)<O(nlogn)<O(n^2)<O(n^{2}logn)<O(n^3)$

• 复杂问题的时间复杂度（不常见的时间复杂度）

  $O(n!)$ $O(2^n)$ $O(n^n)$

• 快速判断算法的复杂度（适用于绝大多数简单情况，复杂情况的话就根据算法执行过程判断）

  1. 确认问题规模 $n$
  2. 循环减半过程 —> $logn$
  3. $k$ 层关于$n$的循环 —> $n^k$