笔记 | 算法时间复杂度T(n)的计算方法

注： 本博客仅提供一种解题思路与通用方法，具体问题请具体分析

---

👻 类型：while循环

🚀 思路

        找出不满足while条件时，循环轮数 k 与输入规模 n 之间的关系

🚀 方法

        1、确定代码中的循环变量、限制项、终止项：

               👾 循环变量 i — 代码中进行循环的变量，例如下面的变量 i ；

               👾 循环轮数 k — while循环不满足条件结束时，代码总共循环的次数；

               👾  限制项 — 代码while限制条件的限制项，一般是关于循环变量 i 的函数，如下面代码的 i*i*i ；

               👾  终止项 — 代码while限制条件的终止项，一般是关于输入规模 n 的函数，如下面代码的 n/2 ；

        2、画表格找关系

        3、得出关系式： ，反解k得到关于终止项n的关系式g(n)。

        4、对k的关系式g(n)化简得到时间复杂度T(n)。

🚀 例题

        👾 例题1

// 计算该算法的时间复杂度
void func(int n){
    int i=1;
    while(i<=n)
        i=i*2;
}

        （1）找出循环变量、限制项、终止项

        （2）画表格，填表找关系

                🤖 第1轮：循环变量初始化为1。while判断后，限制项 i = 1，循环变量变为 i = i*2 = 2；

                🤖 第2轮：该轮初始循环变量为上轮的2。while判断后，限制项 i = 2，循环变量变为 i = i*2 = 4；

                🤖 第3轮：该轮初始循环变量为上轮的4。while判断后，限制项 i = 4，循环变量变为 i = i*2 = 8；

                🤖 第k轮：根据循环轮数k与限制项的关系可得此时限制项 i = 2^(k-1)。

        （3）得出关系式：  反解k得 

        （4）化简k的关系式g(n)可得算法时间复杂度T(n) = O(logn)

        👾 例题2

// 计算该算法的时间复杂度
void func(int n){
    int i=0;            
    while(i*i*i <= n) 
        i++;
}

        （1）找出循环遍历、限制项、终止项

        （2）画表格，填表找关系

                🤖 第1轮：循环变量初始化为0。while判断后，限制项 i*i*i = 0，循环变量变为 i = i+1 = 1；

                🤖 第2轮：该轮初始循环变量为上轮的1。while判断后，限制项 i*i*i = 1*1*1 = 1，循环变量变为 i = i+1 = 2；

                🤖 第3轮：该轮初始循环变量为上轮的2。while判断后，限制项 i*i*i  = 2*2*2 = 8，循环变量变为 i = i+1 = 3；

                🤖 第k轮：根据循环轮数k与限制项的关系可得此时限制项 i*i*i = (k-1)^3。

        （3）得出关系式：  反解k得 

        （4）化简k的关系式g(n)可得算法时间复杂度T(n) = O(n^(1/3))

        👾 例题3

// 计算该算法的时间复杂度
void func(int n){
    int x=2;           
    while(x < n/2)    
        x = 2*x;
}

        （1）找出循环遍历、限制项、终止项

        （2）画表格，填表找关系

                🤖 第1轮：循环变量初始化为2。while判断后，限制项 x= 2，循环变量 x = 2*x = 4；

                🤖 第2轮：该轮初始循环变量为上轮的4。while判断后，限制项 x= 4，循环变量变为 x = 2*x = 8；

                🤖 第3轮：该轮初始循环变量为上轮的8。while判断后，限制项 x= 8，循环变量 x = 2*x = 16；

                🤖 第k轮：根据循环轮数k与限制项的关系可得此时限制项 x =2^k。

        （3）得出关系式： ，反解k得 

        （4）化简k的关系式g(n)可得算法时间复杂度T(n) = O(logn)

        👾 例题4

// 计算该算法的时间复杂度
void func(int n){
    int x=0;                 
    while(n >= (x+1)*(x+1)) 
        x=x+1;
}

        （1）找出循环遍历、限制项、终止项 

         （2）画表格，填表找关系（过程略，直接给出第k轮）

                 🤖 第k轮：根据循环轮数k与限制项的关系可得此时限制项 (x+1)^2 =k^2。

        （3）得出关系式：  反解k得 

        （4）化简k的关系式g(n)可得算法时间复杂度T(n) = O(n^(1/2))

       👾 例题5

// 计算该算法的时间复杂度
void func(int n){
    int i=0,sum=0;      
    while(sum < n)      
        sum+ = ++i;
}

        （1）找出循环遍历、限制项、终止项 

          （2）画表格，填表找关系（过程略，直接给出第k轮）

                 🤖 第k轮：根据循环轮数k与限制项的关系可得此时限制项 sum = [k(k+1)]/2。

        （3）得出关系式：  反解k得 

        （4）化简k的关系式g(n)可得算法时间复杂度T(n) = O(n^(1/2))

---

👻 类型：for循环

🚀 思路

        在外层循环限制下，找出总执行数T、轮数x、输入规模n的关系，联立求解。

🚀 方法

        1、确定代码中的循环层数（以两层for循环为例）、内外层终止条件、内外层步长、关键操作语句：

               👾 内外层变量 — 若是嵌套for循环，确定各层循环变量，如下面代码的 i、j ；

               👾 外层终止条件 — 外层for循环终止的条件，如下面代码的 i<=n 条件；

               👾 内层终止条件 — 内层for循环终止的条件，如下面代码的 j<=2*i 条件；  

               👾 外层步长 — 外层for循环的步长，如下面代码的 i++；    

               👾 内层步长 — 内层for循环的步长，如下面代码的 j++；              

               👾 关键操作语句 — 关键操作代码，一般在最内层for循环，如下面代码的 m++ 语句；

        2、画表格找关系

        3、确定轮数x与输入规模n的关系式①，轮数x与关键语句总执行次数T的关系式②；

        4、联立①、②式，得到 总执行次数T 关于 输入规模n 的关系。化简得到时间复杂度T(n)。

附：等差、等比数列求和公式

🚀 例题

        👾 例题1

// 计算该算法的时间复杂度
int m=0;
for(int i=1;i<=n;i++)
    for(int j=1;j<=2*i;j++)
        m++;

        （1）确定内外层终止条件，内外层步长

        （2）画表格，填表找关系

                🤖 第1轮：外层变量 i 初始化为1。内层变量 j 从1到 2 (2*i) ，关键语句执行 2 次；

                🤖 第2轮：外层变量 i 为2。内层变量 j 从1到 4 (2*i) ，关键语句执行 4 次；

                🤖 第3轮：外层变量 i 为3。内层变量 j 从1到 6 (2*i) ，关键语句执行 6 次；

                🤖 最后一轮：最后一轮假设为x轮，则外层变量 i 为x。内层变量 j 从1到 2x (2*i) ，关键语句执行 2x 次；

        （3）得出轮数x与输入规模n的关系式①：

        （4）轮数x与关键语句总执行次数T的关系式②：

        （4）联立①、②式，得：

        （5）化简得时间复杂度T(n) = O(n^2)

更直观的做法：

 👾 例题2

// 计算该算法的时间复杂度
int count=0;
for(int k=1;k<=n;k*=2)           
    for(int j=1;j<=n;j++)   
        count++;

        （1）确定内外层终止条件，内外层步长

        （2）画表格，填表找关系（过程略，直接给出最后一轮）

            🤖 最后一轮：最后一轮假设为x轮，则外层变量 k 为2^(x-1)。内层变量 j 与外层变量无关，从始至终都是从 1 到  n ，关键语句执行 n 次；最终终止条件为 2^(x-1) <= n。

        （3）得出轮数x与输入规模n的关系式①：

        （4）轮数x与关键语句总执行次数T的关系式②：

        （4）联立①、②式，得：

        （5）化简得时间复杂度T(n) = O(nlogn)

 👾 例题3

// 计算该算法的时间复杂度
int sum = 0;
for(int i=1;i<n;i*=2)          
    for(int i=0;j<i;j++)       
        sum++;

        （1）确定内外层终止条件，内外层步长

        （2）画表格，填表找关系（过程略，直接给出最后一轮）

            🤖 最后一轮：最后一轮假设为x轮，则外层变量 i 为2^(x-1)。内层变量 j 从 0 到 i ，关键语句执行 i 次；最终终止条件为 2^(x-1) < n。

        （3）得出轮数x与输入规模n的关系式①：

        （4）轮数x与关键语句总执行次数T的关系式②：

        （4）联立①、②式，得：

        （5）化简得时间复杂度T(n) = O(n)

  👾 例题4

// 计算该算法最后一行语句的频度在最坏情况下的时间复杂度（冒泡排序）
for(int i=n-1;i>1;i--)         
    for(int j=1;j<i;j++)      
        if(A[j]<A[j+1])
            swap(A[j],A[j+1]);

        （1）确定内外层终止条件，内外层步长

        （2）画表格，填表找关系（过程略，直接给出最后一轮）

            🤖 最后一轮：最后一轮假设为x轮，则外层变量 i 为n-x。内层变量 j 从 0 到 i ，关键语句执行 i - 1 次；最终终止条件为 n-x < n ，即 n-x = 2。

        （3）得出轮数x与输入规模n的关系式①：

        （4）轮数x与关键语句总执行次数T的关系式②：

        （4）联立①、②式，得：

        （5）化简得时间复杂度T(n) = O(n^2)

更直观的做法：

---

👻 类型：递归循环

🚀 思路

       采用递归公式进行推导

🚀 方法

        🤖 未完待续....

🌇 日落是免费的，春夏秋冬也是，不要觉得人生那么无望，希望你快乐。我们总是为许多遥不可及的事情奔波，却错过了路边的花开，傍晚落在身上的夕阳。忙着生活的同时记得去感受日常生活中的小细节，生活除了琐碎与平淡，还有可口的美食和无数盛开的花朵。晚风吹人醒，万事藏于心。我没说不公平也没说苦，我说我知道了