时间复杂度
定义
- 时间复杂度O:评估执行程序所需的时间。可以估算出程序对处理器的使用程度;
- 空间复杂度:评估执行程序所需的存储空间。可以估算出程序对计算机内存的使用程度
设计算法时,一般是要先考虑系统环境,然后权衡时间复杂度和空间复杂度,选取一个平衡点。不过,时间复杂度要比空间复杂度更容易产生问题,因此算法研究的主要也是时间复杂度,不特别说明的情况下,复杂度就是指时间复杂度
时间复杂度:就是当n为无穷大的时候循环所需要步骤的极限(注意下面三个原则)
- 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),n称为问题的规模,当n不断变化时,时间频度T(n)也会不断变化。
- 一般情况下,算法中基本操作重复执行的次数是问题规模n的某个函数,用T(n)表示,若有某个辅助函数f(n),使得当n趋近于无穷大时,T(n)/f(n)的极限值为不等于零的常数,则称f(n)是T(n)的同数量级函数,记作T(n)=O(f(n)),它称为算法的渐进时间复杂度,简称时间复杂度。
大O表示法:
- 算法复杂度可以从最理想情况、平均情况和最坏情况三个角度来评估,由于平均情况大多和最坏情况持平,而且评估最坏情况也可以避免后顾之忧,因此一般情况下,我们设计算法时都要直接估算最坏情况的复杂度。
- 大O表示法O(f(n)中的f(n)的值可以为1、n、logn、n²等,因此我们可以将O(1)、O(n)、O(logn)、O(n²)分别可以称为常数阶、线性阶、对数阶和平方阶
推导大O阶 (高数中的极限思想)
推导大O阶,我们可以按照如下的规则来进行推导,得到的结果就是大O表示法:
- 用常数1来取代运行时间中所有加法常数。
- 修改后的运行次数函数中,只保留最高阶项
- 如果最高阶项存在且不是1,则去除与这个项相乘的常数。
分类
- 常数阶 : 所需步数可精确到的都为O(1);
- 线性阶: 算法循环体中的代码执行了n次,因此时间复杂度为O(n);
for(int i=0;i<n;i++){
//时间复杂度为O(1)的算法
...
}
- 对数阶
int number=1;
while(number<n){
number=number*2;
//时间复杂度为O(1)的算法
...
}
随着number每次乘以2后,都会越来越接近n,当number不小于n时就会退出循环。假设循环的次数为X,则由2^x=n得出x=log₂n,因此得出这个算法的时间复杂度为O(logn)。
- 平方阶
for(int i=0;i<n;i++){
for(int j=0;j<n;i++){
//复杂度为O(1)的算法
...
}
}
内层循环的时间复杂度在讲到线性阶时就已经得知是O(n),现在经过外层循环n次,那么这段算法的时间复杂度则为O(n²)。
- 其他常见复杂度
除了常数阶、线性阶、平方阶、对数阶,还有如下时间复杂度: