1、循环:每一次执行时间*循环次数
//循环n次
for(i=1;i<=n;i++)
m = m + 2; //时间常数c
总时间 = c * n = cn = O(n)。
2、嵌套循环:从内到外进行分析,总的运行时间是所有循环规模的乘积
//外层循环n次
for(i=1; i<=n; i++){
for(j=1; j<=n; j++){
k= k+1; //时间常数
}
}
总时间 = c∗n∗n=c∗n2=O(n2)
3、顺序执行语句:每条语句的运行时间相加
x = x + 1;//时间常数
//执行n次
for(i=1; i<=n; i++){
m = m + 2; //时间常数
}
//外层循环执行n次
for(i=1; i<=n; i++){
//内层循环执行n次
for(j=1; j<=n; j++){
k = k + 1;//时间常数
}
}
总时间 = c0+c1∗n+c2∗n2=O(n2)
4、if-then-else条件语句:最坏情况下的运行时间为,条件判断的时间+最大值(then部分的语句运行时间或else部分的语句运行时间)
//条件:常数
if(length() == 0){
return false;//then部分:常数
}
else {//else部分:(常数+常数)* n
for(int n=0; n<length(); n++){
//条件:常数
if(!list[n].equals(otherList.list[n]))
return false;//then部分:常数
}
}
总时间 = c0+c1+(c2+c3)∗n=O(n)
5、对数级时间复杂度:
如果算法可以在常数时间把问题的规模按照某个分数(一般是1/2)分解,那么该算法的复杂度为O(
logn
),递推如下:
for(i = 1; i <= n;)
i = i*2;
以上的变量i,每次都是倍增的,1,2,4,8,…,
2n
,即
2k=n
,两边同时取对数,得
log(2k)=logn
klog2=logn
k=logn
假设基数是2
总时间 =
O(logn)
典型问题二分查找