算法分析与设计——第二章：时间复杂度

算法分析 第二章复习

计算时间的渐进表示（时间复杂度）

---

一、$\mathrm{O}$表示法

1. $\mathrm{O}$ 的定义：

如果存在两个正常数$c$和$n_0$，对于所有的$n$≥ $n_0$，有$|f(n)|\le c|g(n)|$，则记做$f(n)＝O(g(n))$，称$g(n)$是计算时间$f(n)$的一个渐近上界。

2. $\mathrm{O}$ 的证明：

证明存在正常数$c$和$n_0$，对于所有的$n\ge n_0$，有$|f(n)|\le c|g(n)|$。

3.$\mathrm{O}$的意义：

• 说明$g(n)$是$f(n)$的渐近上界
• 说明$f(n)$的时间复杂度不高于$g(n)$
• 即便是最坏情况下， $f(n)$的时间复杂度也不会高于$g(n)$

4.常见的时间复杂度

多项式时间算法：

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

指数时间算法：

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

二、$\Omega$表示法

1.$\Omega$的定义：

如果存在两个正常数$c$和$n_0$，对于所有的$n\geqq n_0$，有$|f(n)|\geqq c|g(n)|$，则记做 $f(n)=\Omega (g(n))$，称$g(n)$为$f(n)$的渐近下界。

2.$\Omega$的证明：

存在正常数$c$和$n_0$，对于所有的$n\ge n0$，有$|f(n)|\geqq c|g(n)|$

3.$\Omega$的意义：

• 说明$g(n)$是$f(n)$的渐近下界
• 说明$f(n)$的时间复杂度不低于$g(n)$
• 即便是最好情况下， $f(n)$的时间复杂度也不会低于$g(n)$

三、$\Theta$表示法

1.$\Theta$的定义：

如果存在正常数$c_1$, $c_2$和$n_0$，对于所有的 $n\geqq n_0$，有$c1|g(n)|\leqq |f(n)|\leqq c2|g(n)|$ ，则记做$f(n)=\Theta (g(n))$ ，称g(n)为f(n)的渐近紧确界。

2.$\Theta$的意义：

$f(n)$和$g(n)$时间复杂度相同，或者说二者是“同阶”的

四、时间复杂度的算术运算

O ( f ( n ) ) + O ( g ( n ) ) = O ( m a x { f ( n ) , g ( n ) } ) \Omicron (f(n))+\Omicron(g(n)) = \Omicron(max\left\{f(n),g(n)\right\}) O(f(n))+O(g(n))=O(max{f(n),g(n)})；（给出证明）
$O(f(n))+O(g(n))=O(f(n)+g(n))$ ；
$O(f(n))\ast O(g(n))=O(f(n)\ast g(n))$；
$O(cf(n))=O(f(n))$ ；
若$g(n)=O(f(n))$ ，则有 $O(f(n))+O(g(n))=O(f(n))$ 。
$\Omega 、\Theta$也有类似性质，证明方法类似。