时间复杂度的计算（一）

CUDA out of memory

已于 2024-07-23 10:43:36 修改

阅读量278

点赞数 7

文章标签： c++ 数据结构

于 2024-07-22 12:29:24 首次发布

本文链接：https://blog.csdn.net/qq_63493765/article/details/140604810

版权

电子信息专业，使用c++和python开发过几个项目。但是非科班出身，没有系统的学过数据结构，数据库，计算机协议等。希望从本篇开始，使用博客的形式记录一下重要的专业概念。

简单理解，时间复杂度是衡量代码运行时间的重要指标。

如下图所示，随着横坐标（数据规模）的增大，绿色曲线的值（耗费时间）增长最快，其次是蓝色曲线，增长最慢的则是红色曲线。

当然，我们都希望自己的程序像红色曲线一样，面对大规模的输入数据时，仍然可以保持较低的运行时间。

但是，世界上不会存在完美的代码，既不消耗最多的时间，也不占用最多的空间，鱼和熊掌不可得兼，那么我们就需要从中去寻找一个平衡点，使得写出一份较为完美的代码。这时，引入时间复杂度和空间复杂度的计算就成为了必要。

由简入繁，看下面代码

int funcl(void)
{
printf("坤坤真帅\n");
return 0;
}

函数的主体部分有两行，每调用一次func1，代码执行两次。使用T(n)表示一段代码的总执行次数，即T(n)=2；

下面我们看一下时间复杂度O(n)与运行次数T(n)的关系：

这段关系可以简单理解为高数中的高阶无穷小。即数据量n趋向无穷大时，一些低次项可被约掉，并且系数在幂指数前面也不值一提，系数也全部约掉，即系数全为1。

显然，此例中T(n)为常数，故时间复杂度为O(1)。

再看一段含有循环的代码

int func2(int n)
{
for(int i=0;i<n;i++)
{
   printf("坤坤宇宙第%d帅\n".i)
}
return 0;
}

由于循环语句，每调用一次func2,代码总执行次数T(n)=3n+3；按照时间复杂度O(n)与运行次数T(n)的关系，保留T(n)的最高次项并且去掉最高次项的系数，O(n)=n;

再再看一个双重循环的代码

void func3(int n)
{
  for(int i= 0:i< n; ++i)
  {
    for(int j= 0:j< n; ++j)
    {
      printf("鸡你实在是太美！\n");
    }
  }
return 0;
}

由于循环语句，每调用一次func3,代码总执行次数T(n)=n^2+2n+1,O(n)=n^2;

通过此章片面的理解（不正确的），有m重循环，时间复杂度就是O(n)=n^m。但是，这三个例子仅仅是最简单的时间复杂度，还有更复杂的，放在下章说明。

关注