时间复杂度

时间复杂度定义

     在计算机科学中，算法的时间复杂度是一个函数，它定量描述了该算法的运行时间。这是一个关于代表算法输入值的字符串的长度的函数。时间复杂度常用大O符号表述，不包括这个函数的低阶项和首项系数。

推导大O阶方法

(1)用常数1取代运行时间中的所有加法常数.
(2)在修改后的运行此时函数中，只保留最高阶项.
(3)如果最高阶项存在且不是1，则去除与这个项相乘的常数.
得到结果结果就是大O阶.

eg:

12 为O(1)阶，也叫常数阶
2n+3 为O(n)阶，也叫线性阶
n²为O(n²)阶，也叫平方阶

常数阶

举例如下:

 
int sum=0,n=100;
sum=(1+n)*n/2;
sum=(1+n)*n/2;

事实上无论n为多少,上面的sum只会计算两次,这种计算次数与n无关的,我们称之为o(1).

不管这个常识是多少,我们都记做O(1)，而不能是O(3)、O(21)等其他数字,这是初学者常常犯的错误!

线性阶

    线性阶的循环结构会复杂很多。要确定某个算法的阶次,我们常常需要确定某个特定语句或某个语句集运行的次数.因此,我们要分析算法的复杂度，关键就是分析循环结构的运行情况。
我们如下代码：

int i=0;
for(i=0;i<n;i++){
}

这段代码的循环的时间复杂度为O(n),因为循环体中的代码要执行n次.

对数阶

我们看下面的代码,时间复杂度又是多少呢?

 
int count=1;
while(count<n){
 count=count*2;
}

    由于每次count乘以2以后，就会距离n更近一步了.也就是说，有多少个2相乘后大于n,则会退出循环。有2ⁿ=x 得到x=㏒2n,所以这个循环的时间复杂度为O(logn).

平方阶

咱们来看一个嵌套循环:

int i,j;
for(i=0;i<n;i++){
  for(j=0;j<n;j++){
  }
}

很容易就能看出，时间复杂度为O(n²)
咱们再来看另外一个代码：

int i,j;
for(i=0;i<n;i++){
  for(j=i;j<n;j++){
  
  }
}

分析这段代码块:当i=0时,内循环会执行n次;当i=1时,执行n-1次,....当i=n-1时，执行1次,所以总的次数为:
n+(n-1)+.....+1=n²/2+n/2
我们使用推导大O阶的方法,得出代码的时间复杂度为O(n²).
     讲到这里，我们时间复杂度的基本内容就讨论完了，欢迎大家和我一起讨论学习，一起提高进步!