一、大O表示法
int cal(int n) {
int sum = 0;
int i = 1;
int j = 1;
for (; i <= n; ++i) {
j = 1;
for (; j <= n; ++j) {
sum = sum + i * j;
}
}
}
我们分析上面程序的时间是T(n)=(2n²+2n+3)*unit_time,unit_time表示每一行代码执行的时间
所有代码的执行时间和每行代码的执行次数成正比,那么我们就可以用如下的公式来表示:
T(n)=O(f(n))
T(n)表示代码执行的时间,f(n)表示每行代码执行的次数总和,大O表示代码的执行时间和执行次数成的正比关系,所以上例的时间T(n)=O(2n²+2n+3),这就是大O时间复杂度表示,大O实际表达的是代码执行时间随数据增加的趋势,也叫作渐进时间复杂度(asymptotic time complexity),简称时间复杂度。
二、时间复杂度分析
1.只关注循环执行最多的一段代码
int cal(int n) {
int sum = 0;
int i = 1;
for (; i <= n; ++i) {
sum = sum + i;
}
return sum;
}
上述代码,我们只需关注循环的代码,所以时间复杂度是O(n)
2.加法规则:总复杂度等于量级最大的那段代码的复杂度
int cal(int n) {
int sum_1 = 0;
int p = 1;
for (; p < 100; ++p) {
sum_1 = sum_1 + p;
}
int sum_2 = 0;
int q = 1;
for (; q < n; ++q) {
sum_2 = sum_2 + q;
}
int sum_3 = 0;
int i = 1;
int j = 1;
for (; i <= n; ++i) {
j = 1;
for (; j <= n; ++j) {
sum_3 = sum_3 + i * j;
}
}
return sum_1 + sum_2 + sum_3;
}
第一个循环因为只有100次,所以时间复杂度是O(1),第二个时间复杂度是O(n),第三个时间复杂度是O(n²),所以整个代码的时间复杂度去最大量级的就是O(n²)
3.乘法法则:嵌套代码的时间复杂度等于嵌套内外代码的复杂度的乘积
int cal(int n) {
int ret = 0;
int i = 1;
for (; i < n; ++i) {
ret = ret + f(i);
}
}
int f(int n) {
int sum = 0;
int i = 1;
for (; i < n; ++i) {
sum = sum + i;
}
return sum;
}
单独看cal(n)函数中循环的时间复杂度是T1(n)=O(n),但是循环内部嵌套了个f(n)函数,f(n)的时间复杂度是T2(n)=O(n),所以总的时间复杂度是T(n)=T1(n)*T2(n)=O(n)*O(n)=O(n²)
三、常见的时间复杂度分析
常量:O(1)
线性:O(n)
对数:O(Logn)
线性对数:O(nLogⁿ)
k次方阶:O(n²),O(n³)…O
指数阶:O(2ⁿ)
阶乘:n!
1.分析一下O(Logⁿ)和O(nLogⁿ)
i=1;
while (i <= n) {
i = i * 2;
}
分析上述代码的循环执行多少次,就可以知道此代码的执行时间复杂度
i的取值如下:
2º,2¹,2²,....n
可以知道时间复杂度是O(logn)
2.O(m+n),O(m*n)时间复杂度由两个数据的规模来决定
int cal(int m, int n) {
int sum_1 = 0;
int i = 1;
for (; i < m; ++i) {
sum_1 = sum_1 + i;
}
int sum_2 = 0;
int j = 1;
for (; j < n; ++j) {
sum_2 = sum_2 + j;
}
return sum_1 + sum_2;
}
上述代码,事先无法评判m还是n大,所以时间复杂度是O(m+n)
四、最好、最坏、平均时间复杂度
// n表示数组array的长度
int find(int[] array, int n, int x) {
int i = 0;
int pos = -1;
for (; i < n; ++i) {
if (array[i] == x) {
pos = i;
break;
}
}
return pos;
}
上述代码,从一个数组中查找变量x,如果x在第一个位置,那么时间复杂度就是O(1),如果x在最后一个位置,那么时间复杂度就是O(n),每种情况下的时间复杂度是不同的
1、最好时间复杂度
在最理想的情况下执行这段代码的时间
上述代码的最好时间复杂度是O(1)
2、最坏情况时间复杂度
在最糟糕的情况下,执行这段代码的时间复杂度
上述代码的最坏时间复杂度是O(n)
3、平均时间复杂度
上述变量x要么在数组中,要么不在数组中,在数组中的概率是1/2,不在数组中的概率也是1/2,如果在数组中,那么在0~n-1位置之间的概率是1/n,考虑每种情况的概率,那么平均时间复杂度如下:
4.均摊时间复杂度
这段代码的平均时间复杂度就是O(n)
五、空间复杂度
空间复杂度表示的算法占用的存储空间与数据规模之间的增长关系
void print(int n) {
int i = 0;
int[] a = new int[n];
for (i; i <n; ++i) {
a[i] = i * i;
}
for (i = n-1; i >= 0; --i) {
print out a[i]
}
}
上述代码的空间复杂度就是O(n)
常见的空间复杂度有O(1),O(n),O(n²)…