时空复杂度的分析

一、时间复杂度

1.时间复杂度的概念

时间复杂度是一个函数，用于描述某种算法所需的运行时间。常用大O表述。

2.计算时间复杂度的意义

• 避免代码运行出现TLE。
• 通过计算时间复杂度反推算法内容：推荐博客yxc。

3.如何粗略计算时间复杂度

当n很大的时候，常数项，系数和低阶项可以忽略。
因为n很大时，原函数与忽略这些因素后得到的函数计算出的结果差别不是很大，影响较小。

举例1

#include<iostream>
using namespace std;

int main(){
   int n;//执行了1次
   cin>>n;//执行了1次
   for(int i=0;i<n;i++)//i=0执行了1次，i<n执行了n+1次，i++执行了n次
      cout<<1;//执行了n次
      
   return 0;
}

其数据范围0<=n<=10⁵。
其中语句执行次数为3n+4，即T(n)=3n+4 (T(n) : 语句频度的符号，表示一个算法的语句执行次数)
当n很大时，可以用O(n)表述，即3n+4用n的时间复杂度表示，即O(n)=10⁵。

举例2

#include<iostream>
using namespace std;

int main(){
    int n,m;//执行1次
    cin>>n>>m;//执行1次
    for(int i=0;i<n;i++){//i=0执行了1次，i<n执行了n+1次，i++执行了n次
       for(int j=0;j<m;j++){//j=0执行了1次，j<m执行了m+1次，j++执行了m次
          cout<<1;//执行mn次
       }
    }
              
    return 0;

其数据范围0 <= n <= 10³,0 <= m <= 10³;
其中T(n)=mn+2n+2m+6,忽略其中的系数，低阶项，常数项后用O(nm)表示，即大O(nm)=10⁶.

而一台测评机一般每秒执行10⁹语句，时间复杂度在10⁷~10⁸最佳。
代码运行超时有两种情况 ：

1. TLE代码运行超时且结果正确
2. WA代码运行超时但结果不正确

4. 常用的函数阶

符号	名称
O(1)	常数
O(n)	线性
O(n2)	平方
O(logn)	对数
O(nlogn)	线性对数
O(cn)	指数
O(n!)	阶乘