时间复杂度O(n^2)和O(nlog_2 n)差距有多大？

最新推荐文章于 2023-10-21 23:43:37 发布

George_Fal

最新推荐文章于 2023-10-21 23:43:37 发布

阅读量1.7k

点赞数

文章标签：数据结构与算法

原文链接：https://juejin.im/post/5c7d1b8ae51d4541bd34aded

版权

0. 时间复杂度

接触到算法的小伙伴们都会知道时间复杂度（Time Complexity）的概念，这里先放出（渐进）时间复杂度的定义：

假设问题规模是，算法中基本操作重复执行的次数是的某个函数，用 T(n) 表示，若有某个辅助函数 f(n) ，使得

\lim_{n\rightarrow \infty}{T(n)/f(n)} = c

其中为不等于零的常数，则称 f(n) 是 T(n) 的同数量级函数。记作 T(n)=O(f(n)) ，称 O(f(n)) 为算法的渐进时间复杂度，简称时间复杂度。

常见的时间复杂度有(表格越靠后表示越不理想)：

复杂度	名称
	常数阶
$O(\log_2 n)$	对数阶
	线性阶
$O(n\log_2 n)$	线性对数阶
	平方阶
	立方阶
	次方阶（且 $k\in Z$ ）
	指数阶

例如，我们熟悉的插入排序（Insertion Sort）算法的时间复杂度是 O(n^2) ，而合并排序（Merge Sort）算法的时间复杂度是 $O(n\log_2 n)$ 那么这些复杂度之间的差距是怎么样的呢？有些小伙伴会疑问，自己写的算法虽然是高复杂度但是也用的好好的，为什么要纠结于这个概念呢？

我们不妨来探索一下今天的问题: O(n^2) 和 $O(n\log_2 n)$ 差距有多大？

1. 和 $O(n\log_2 n)$ 差距有多大？

我们知道，插入排序（Insertion Sort）算法的时间复杂度是 O(n^2) ，而合并排序（Merge Sort）算法的时间复杂度是 $O(n\log_2 n)$ ，即当排序个对象时，插入排序算法需要用时大约 c_1n^2 ，而合并排序算法需要用时大约 $c_2n\log_2 {n}$ ，其中 c_1 和 c_2 都是正常数且与无关，且往往 c_1<c_2 。

稍微利用初等数学的知识，可以知道，对于任何 n>=2 ，比较约 c_1n^2 和 $c_2n\log_2{n}$ 即比较 c_1n 和 $c_2\log_2{n}$ 。由于我们已知

以及

想要比较这两个值的大小，直观的看法就是比较两个不等式谁的差别“更多”。可以证明，当无论 c_1 和 c_2 差别多么显著，总存在充分大的使得当 n>N 时， $c_1n>c_2\log_2{n}$ 。

在Introduction to Algorithms中，作者举了一个很有趣的例子：假设针对同一排序问题，用一台很快的电脑A运行插入排序，用一台很慢的电脑B运行合并排序，问题规模 n=10^7 ：

两台电脑的差别如下，为了使A比B优势显著，作者假设电脑A性能比B强1000倍，并且B运行的代码更低效、且编译器更差（导致需要运行更多的指令）：

	电脑A	电脑B
每秒运行指令数	$10^{10}$
需要运行的指令总数		$50n\log_2 n$

这样,A完成任务需要：

\frac{2\cdot(10^7)^2}{10^{10}} = 20,000\quad seconds

而B完成任务需要：

\frac{50\cdot 10^7\log_2 10^7}{10^{7}} \approx 1,163 \quad seconds

可以看到，在这样的大规模的问题下，即便B计算机与A差距巨大，最终也只用了20分钟左右就完成排序，而A却需要5.5小时来完成。时间复杂度的差距可见一斑。

3. 总结

算法时间复杂度的量级差异，也许在小规模的问题下，表现差别不大。但是时间复杂度高的算法，对问题规模的变化更加敏感，因而当问题的规模变得很大的时候，靠拥有高阶时间复杂度的算法来求解并不可靠！

# 喜欢就点个赞支持一下吧！
复制代码

参考：

Thomas H. Cormen, et al., Introduction to Algorithms Part I 1.2

George_Fal

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
时间复杂度O(n^2)和O(nlog_2 n)差距有多大？

0. 时间复杂度接触到算法的小伙伴们都会知道时间复杂度（Time Complexity）的概念，这里先放出（渐进）时间复杂度的定义：假设问题规模是，算法中基本操作重复执行的次数是的某个函数，用表示，若有某个辅助函数，使得其中为不等于零的常数，则称是的同数量级函数。记作，称为算法的渐进时间复杂度，简称时间复杂度。常见的时间复杂度有(表格越靠后表示越不理想)：复杂度名称...
复制链接

扫一扫