时间复杂度和空间复杂度（例题）

最新推荐文章于 2024-04-24 16:09:08 发布

сожаление

最新推荐文章于 2024-04-24 16:09:08 发布

阅读量1.2k

点赞数 1

文章标签：数据结构

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_58098264/article/details/130538972

版权

算法分析主要是通过时间复杂度和空间复杂度来描述的。快来通过下列例题，测试是否掌握了时间复杂度和空间复杂度的分析吧！！！

1、下面程序的时间复杂度为

for(i=1,s=0;i<=n;i++)
{
t=1;
for(j=1;j<=i;j++)
{
t=t*j;
}
s=s+t;
}

A $O(n)$ B $O(n\: ^{2})$ C $O(n^{3})$ D $O(n^{^{4}})$

答案：B

解析：外部循环执行n次，内部循环执行i次，则 t=t*j 该条语句执行（1+2+3+……+n)/2=n(n+1)/2次，则该程序的时间复杂度为 $O(n\: ^{2})$ ，所以该题的答案为B。

2、设某算法完成对n个元素进行处理，所需的时间是 $T(n)=n\log_2{n}+5n^{2}+100n$ ,则该算法的时间复杂度为

A $O(n)$ B $O(n\: ^{2})$ C $O(n\log_2{n}+n)$ D $O(n\log_2{n})$

答案：B

解析：时间复杂度由最高指数项决定，常见的时间复杂度为

$O(1)<O(\log_2{n})<O(n)<O(n\log_2{n})<O(n^{2})<O(n^{3})<O(2^{n})<O(n!)<O(n^{n})$

所以该题选B。

3、下面算法的时间复杂度为

void fun(int n)

{

int i=0,s=0;

while(s<n)

{

++i;

s=s+i;

}

}

A $O(n)$ B $O(n\: ^{2})$ C $O(\sqrt{n})$ D $O(n\log_2{n})$

答案：C

解析：代码s=s+i 执行1+2+……+m=m(1+m)/2=n次，则m约等于 $\sqrt{n}$ ，则该题选C。

4、下面算法的空间复杂度为

float aver(float a[n])

{

int j;

for(j=n;j>0;j--)

printf("%8.2f",a[j]);

}

A $O(1)$ B $O(\log_2{n})$ C $O(n)$ D $O(n\: ^{2})$

答案：C

解析：函数体定义中出现数组，数组在初始化时需要分配空间，此时空间复杂度为 $O(n)$ ，所以该题的答案为C。

5、下列函数的时间复杂度为

int f(int n)

{ $O(10n+1)$

if(n<=0) return 1;

else return n+f(n-1);

}

A $O(\log_2{n})$ B $O(n)$ C $O(n\log_2{n})$ D $O(n\: ^{2})$

答案：B

解析：

第一步：明确该函数的基本操作，本题中的基本操作为n+f(n-1)

第二步：列出表达式。T(n)=T(n-1)+1,终止条件为if(n<=0) return 1;T(1)=1;

第三步：解出该表达式，可得时间复杂度为 $O(n)$ 。

则该题选B。

6、算法复杂度通常是表达算法在最坏情况下所需要的计算量。假设算法A1在处理n个数据的时间复杂度为 $O(1)$ ，算法A2在处理n个数据时除10次连续调用算法A1外，其它部分的时间复杂度共为 $O(1)$ .那么，算法A2的时间复杂度为

A $O(n)$ B $O(\log_2{n})$ C $O(10n+1)$ D $O(1)$

答案：D

解析：A1的算法复杂度为 $O(1)$ ，表示A1算法的执行时间是一个常量，与数据规模n无关。A2的算法可以分为两个部分，第一个部分是10次A1算法，那么执行时间是一个常量，第二部分时间复杂度为 $O(1)$ ，执行时间也是一个常量，两部分之和的执行时间仍然为常量，所以时间复杂度为 $O(1)$ ，所以该题选D。

7、算法的时间复杂度是指

A 算法执行的绝对时间

B 随着问题规模n的增大，算法执行时间的增长趋势

C 算法中执行语句的条数

D 获得算法执行时间的复杂程度

答案：B

解析：算法中基本操作重复执行的次数是问题规模n的某个函数f(n),算法的时间度量记作T(n)=O(f(n))，它表述随问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作时间复杂度。

8、假设包含t个非零元素按的稀疏矩阵A含有m行n列，并采用三元组顺序表压缩存储，其快速转置算法的时间复杂度为

A $O(m+t)$ B $O(n+t)$ C $O(m+n)$ D $O(m*n)$

答案：B

解析：快速转置时：

(1) 初始化所有列的非零元素的个数统计 $O(n)$ ；

(2) 统计每一列的非零元素个数 $O(t)$ ;

(3) 求每一列第一个非零元素的首位置 $O(n)$ ；

(4) 最够对每一个非零个数转置 $O(t)$ 。

则总共时间为2(n+t)，所以时间复杂度为O(n+t)。

9、某算法的时间复杂度为 $O(n\: ^{2})$ ，表明该算法的

A 问题规模是 $n^{2}$ B 执行时间等于 $n^{2}$

C 执行时间与 $n^{2}$ 成正比 D 问题规模与 $n^{2}$ 成正比

答案：C

сожаление

关注

1
点赞
踩
8

收藏

觉得还不错? 一键收藏
0
评论
时间复杂度和空间复杂度（例题）

解析：算法中基本操作重复执行的次数是问题规模n的某个函数f(n),算法的时间度量记作T(n)=O(f(n))，它表述随问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作时间复杂度。A2的算法可以分为两个部分，第一个部分是10次A1算法，那么执行时间是一个常量，第二部分时间复杂度为。+n)/2=n(n+1)/2次，则该程序的时间复杂度为。第二步：列出表达式;，执行时间也是一个常量，两部分之和的执行时间仍然为常量，所以时间复杂度为。则总共时间为2(n+t)，所以时间复杂度为O(n+t)
复制链接

扫一扫

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。