1、算法的上界:大O()分析
定义:称一个函数g(n)是O(f(n)),当且仅当存在常数c>0和n0>=1,对一切n>n0均有|g(n)|<=c|f(n)|成立,也称函数g(n)以f(n)为界或者称g(n)囿于f(n)。记作g(n)=O(f(n))。
1) 加法规则
T(n,m) = T1(n) + T2(n) = O (max (f(n),g(m))
2) 乘法规则
T(n,m) = T1(n) * T2(m) = O (f(n) * g(m))
3) 一个特例(问题规模为常量的时间复杂度)
在大O表示法里面有一个特例,如果T1(n) = O(c), c是一个与n无关的任意常数,T2(n) = O (f(n)) 则有
T(n) = T1(n) * T2(n) = O (c*f(n)) = O(f(n))
也就是说,在大O表示法中,任何非0正常数都属于同一数量级,记为O⑴。
4) 一个经验规则
复杂度与时间效率的关系:
c < log2n < n < n*log2n < n2 < n3 < 2n < 3n < n! (c是一个常量)
2、算法的下界:
定义:Ω(g(n)) = { f(n) : 存在正常数c和n0,使所有n>=n0有0<=c*g(n)<=f(n) }
3、算法的渐进分析:
顺序执行语句的最坏运行时间为O(max(T1(n),T2(n)......Ti(n))),Ti(n)为第i条语句的O(Ti(n))。
while循环的最坏运行时间:
例:while S1:
S2
最坏运行时间为O(max(T1(n)*(I(n)+1),T2(n)*I(n))) , I(n)为最坏情况下循环体执行的次数。
(三)for 循环的最坏运行时间:和while循环的类似。
(四)if——else的运行时间:
例: if S1:
S2
else:
S3
最坏运行时间为O(max(T1(n),T2(n),T3(n)))。