时间复杂度的计算问题

时间复杂度的概念

一般情况下，算法中基本语句重复执行的次数是问题规模$n$的某个函数$f(n)$算法的时间量度记做
$$T(n)=O(f(n))$$
它表示问题规模$n$的增大，算法执行时间的增长率和$f(n)$的增长率相同，称作算法的渐近时间复杂度，简称时间复杂度。

时间复杂度的数学解释

算法的时间复杂度就是未知量$n$在趋近于无穷大时语句执行次数的最大者。
<小歪翻译，不喜勿喷>

几种常见时间复杂度的函数图

时间复杂度的解题方法

对for(i = 0; i < n; i++）：起始为零加一次，（大）扩前比后多一次；
一般的：
1.设该语句执行x次终止;
2.找出第x次的表达式；
3.由终止条件x = f(n);

时间复杂度的计算

(408-2019 考研真题)根式阶

1.设$n$是描述问题规模的非负整数，下列程序段的时间复杂度是

x = 0;
while(n >= (x + 1) * (x + 1))
     x = x+1;

A.(log n) \qquad B.O($n^{1/2}$) \qquad C.O(n) \qquad D.O($n^2$)
解：对于循环体，我们只考虑小括号内的执行次数。因为小括号内的比较大。按步骤来
1.设小括号的语句执行x次终止
2.第一次：$n>0\times 0$;
    \,\,\, 第二次: $n>1\times 1$;
       \,\,\,\,\,\, ······
$第x次$:$n>x\ast x$;
3.第x次时终止，即$x^2$<n;
x>$n^{1/2}$
所以x的量级是B。（远大于>>,远小于<<和大于>,小于<是有区别的）

平方阶

int s = 0,i = 0;j = 0;//1
    for(i = 0;i < 3 * n + 5;i++)//2
    {
        for(j = 0; j < 2 * n - 4; j++)//3
        {
            s = s + j;//4
        }
    }

求语句1234的执行次数和程序的时间复杂度
解：对语句1，明显只执行1次
\qquad 对语句2，由于是从0开始，所以执行次数加1；即：3n+5次
\qquad 对语句3.由于在循环体中大括号的后面，所以执行少了一次，而它本身要执行2n-4次，所以总体3执行了（3n+5）(2n-3)次；
同理语句4执行了（3n+5）(2n-3)-1次
所以该结构时间复杂度为$O(n^2)$

对数阶，线性阶，阶乘阶

    int a = 1;
    while(a <= n)//0
    {
        a = a * 2;
    }
    int m = 1,n = 0,i = 0;
    for(i = 0; i <= n; i++)//1
    {
        m *= i;
    }
    for(i = 0; i < m; i++)//2
    {
        n++;
    }

解：语句0：
1.设执行x次终止
2.第一次：1<n;
第二次：2<n;
第三次：22<n;
第三次：22*2<n;
第x次：$2^x$<n;
3.第x次，循环终止，所以
\quad $2^x$>n;
n<${\log }_{2}n$
所以时间复杂度为$O(logn)$;
语句1
易知语句1执行了n+2次；（有i<=n再加一次）
时间复杂度为$O(n)$
语句2
\qquad 易知语句2执行了m次；
而语句1中的循环体知m=n!
所以时间复杂度为$O(n!)$

快速看出时间复杂度

其实对于时间复杂度，我们一点也不关心语句执行了多少次，只关心语句执行次数的量级。我们只要知道循环变量i从一直加到n是线性阶，循环体中i成倍增长为对数阶。i在循环体内线性增加，在条件中倍增为根式阶，记住几个特例，就嫩速度知道结果。当然，试着给个口诀。
点增平方根式阶（循环体内+几，比线性增的差的可以说是点增，循环条件平方增加。）
变量线增对数阶（变量线性乘几）