c语言 计算算法时间复杂度,【数据结构】5_算法的时间复杂度

结论：判断一个算法的效率时，操作数量中的常数项和其他次要项常常可以忽，只需要关注最高阶次项就能得出结论。

问题：如何用符号定性的判断算法的效率?

算法的复杂度(定性描述)

时间复杂度

算法运行后对时间需求量的定性描述

空间复杂度

算法运行后对空间需求量的定性描述

注意：数据结构课程重点关注的是算法的效率问题，因此，整个课程会集中于讨论算法的时间复杂度；但其使用的方法完全可以用于空间复杂度的判断。

大O表示法

算法效率严重依赖于操作(Operation)数量

操作数量的估算可以作为时间复杂度的估算

在判断时优先关注操作数量的最高次项

常见的时间复杂度

线性时间复杂度：O(n)

void func()

{

for (int i=0; i

{

// 复杂度为 O(1) 的程序语句

}

}

对数阶时间复杂度： O(logn)

void func()

{

int i = 1;

while (i < n) // 循环次数：log2n (2为底数)

{

// 复杂度为 O(1) 的程序语句

i *= 2;

}

}

平方阶时间复杂度： O(n2)

void func()

{

for (int i=0; i

{

for (int j=0; j

{

// 复杂度为 O(1) 的程序语句

}

}

}

时间复杂度计算练习

下面代码的时间复杂度是什么？

for (int i=0; i

{

for (int j=i; j

{

// 复杂度为 O(1) 的程序语句

}

}

i = 0 => n

i = 1 => n - 1

i = 2 => n - 2

...

i = n - 1 => 1

==> n + (n-1) + (n-2) + ... + 1 = n(n+1)/2

==> O(n(n+1)/2)

==> O(n2) (2为指数)

函数func()的时间复杂度是什么？

void t(int n) // O(n)

{

int i = 0;

while (i < n)

{

cout << i << endl;

}

}

void func(int n) // O(n(n+1)) => O(n2) (2为指数)

{

int i = 0;

while (i < n)

{

t(n) // O(n)

++i; // O(1)

}

}

函数 test() 的时间复杂度是什么？

void test(int n) // O(n + n2 + n3) ==> O(n3) (3为指数)

{

t(n); // O(n)

for (int i=0; i

t(i);

for (int i=0; i

for (int j=i; j

t(i);

}

小结

时间复杂度是算法运行时对于时间的需求量

大O表示法用于描述算法的时间复杂度

大O表示法只关注操作数量的最高次项

常见的时间复杂度为：线性阶，平方阶和对数阶

以上内容整理于狄泰软件学院系列课程，请大家保护原创！