本文通过多个实例详细解析了时间复杂度的概念，包括常数阶、对数阶、线性阶、平方阶、立方阶和指数阶。重点讨论了如何分析嵌套循环的时间复杂度，例如双层循环的时间复杂度为O(n^2)，三层循环的时间复杂度为O(n^3)，以及对数阶和指数阶的例子。通过这些实例，读者能更好地理解和计算算法的时间复杂度。
时间复杂度是指算法执行语句执行的次数。
常见的时间复杂度有：常数阶O(1)，对数阶O(log2n),线性阶O(n), 线性对数阶O(nlog2n),平方阶O(n^2)，立方阶O(n^3) k次方阶,指数阶O(2^n)。
注意★O(1)表示常数次，这个常数次可以很大
★用常数1取代运行时间中的所有加法常数。
★在修改后的运行次数函数中，只保留最高阶项。
★如果最高阶项存在且不是1，则去除与这个项目相乘的常数。得到的结果就是大O阶。
例1
for(int i=0; i<n; i++){
for(int j=i; j<n; j++){
System.out.println("执⾏⼀次");
}
}
i=0时，j=0，j循环执行n次
i=1时，j=1，j循环执行n-1次
i=2时，j=2，j循环执行n-2次
i=n-1时，j=n-1，j循环执行1次
Sn=n*(n+1)/2
最低0.47元/天 解锁文章
扫一扫
1546
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
