一个算法中的语句执行次数称为语句频度或时间频度。记为T(n)。
一般情况下,算法的基本操作重复执行的次数是模块n的某一个函数f(n),因此,算法的时间复杂度记做:T(n)=O(f(n))。随着模块n的增大,算法执行的时间的增长率和f(n)的增长率成正比,所以f(n)越小,算法的时间复杂度越低,算法的效率越高。
在计算时间复杂度的时候,先找出算法的基本操作,然后根据相应的各语句确定它的执行次数,再找出T(n)的同数量级(它的同数量级有以下:1,Log2n ,n ,nLog2n ,n的平方,n的三次方,2的n次方,n!),找出后,f(n)=该数量级,若T(n)/f(n)求极限可得到一常数c,则时间复杂度T(n)=O(f(n))。
定理:若f(n)=amnm +am-1nm-1+…+a1n+a0是一个m次多项式,则f(n)=O(nm)eg:以下六种计算算法时间的多项式是最常用的。其关系为:
O(1) < O(㏒n) < O(n) < O(n㏒n) < O(n2) < O(n3)
指数时间的关系为:
O(2n) < O(n!) < O(nn) 1:时间复杂度是O(log2n)的计算:
i=1; ①
while (i<=n)
i=i*2; ②
语句1的频度为1,设语句2的频度为f(n),语句2执行时,i值从1,2,4...n,假设次数为f(n),既要得出f(n)与n的关系式,则 2^(f(n)-1)=n => f(n)=log2n+1,则T(n)=1+log2n+1=O(log2n).
2:时间复杂度是O(n^3)的计算:
for(i=0;i<n;i++) ①
{
for(j=0;j<i;j++) ②
{
for(k=0;k<j;k++) ③
x=x+2; ④
}
}
语句1的循环为n次;当i=w时,语句2的循环次数为0+1+2+3+、、、+w=w*(w+1)/2,则当i=n时,语句2的循环为n*(n+1)/2;当i=n,j 可以取 0,1,...,n-1 ,则语句4时间频数为0+1+(1+2)+(1+2+3)+.......+(1+2+3.......+n)=n(n+1)(n-1)/6