a*算法的时间复杂度_四分钟掌握算法时间复杂度

俗话说，时间复杂度和空间复杂度是衡量一个算法效率的两个重要指标，然而随着硬件存储技术的进步，存储空间开始用TB，PB，EB作为单位来衡量，空间复杂度似乎显得不再那么紧要。但是时间复杂度还是需要我们细细考量。

什么是时间复杂度？ 在计算机科学中，算法的时间复杂度(Time complexity)是一个函数，它定性描述该算法的运行时间,记为 T(n) ,其中 n 是问题的规模，当n变化时，T(n) 也会随之变化。 如何表述时间复杂度？ 实际情况中不运行程序，我们没有办法准确计算出算法的运行时间，所以T(n)的取值常用渐进时间复杂度来表示，渐进时间复杂度用大O符号来表示。 例如，如果一个算法对于任何大小为 n(必须比 n0 大)的输入，它至多需要 5n3 + 3n 的时间运行完毕，那么它的渐近时间复杂度是 O(n3)，即T(n)=O(f(n))=O(n3)，f(n)= 5n3 + 3n 称为频度函数，在计算时间复杂度的时候常用到此函数。 如何计算渐进时间复杂度O?

大 O 符号是由德国数论学家保罗·巴赫曼在其1892年的著作《解析数论》(Analytische Zahlentheorie)首先引入的。而这个记号则是在另一位德国数论学家艾德蒙·朗道的著作中才推广的，因此它有时又称为朗道符号(Landau symbols)。代表 order of ...(……阶)的大 O，最初是一个大写希腊字母 Ο(omicron)，现今用的是大写拉丁字母 O。

举个例子，解决一个规模为 n 的问题所花费的时间(或者所需步骤的数目)可以表示为：

。当n增大时，n的平方项将开始占主导地位，而其他各项可以被忽略。举例说明：当n=500 时，4n² 是 2n 项的 1000 倍大，因此在大多数场合下，省略后者对表达式的值的影响将是可以忽略不计的。

同理，如果我们与任一其他级的表达式，例如：n³ 比较，n² 的系数也是无关紧要的。

故大O有两条计算规则如下 1 假如 f(x) 是几项之和，那么只保留增长最快(通常是阶最高)的项，其他项省略。 2 假如 f(x) 是几项之积，那么常数系数省略。 大O与小o的区别？

在上例

根据以上两条计算规则，我们可以得出 T(n) ∈ O(f(n)) ∈ O(n²)，或者 T(n) = O(f(n)) = O(n²)。

并且我们就说该算法具有 n² 阶(平方阶)的时间复杂度。

T(n)∈ O(n²) 代表的含义为 T(n) 的渐进增长性不快于 O(n²) ，有可能相等，可类别为 <=。

小 o 符号表示高阶的无穷小，即 T(n) 的渐进增长性严格慢于小 o(n²)，即取不到等号，可类比为

下面的内容使用大 O 成立，而使用小 o 则不成立：

 x² ∈ O(x²)

 x² ∈ O(x² + x)

 x² ∈ O(200 * x²)

而下面的内容使用小 o 则成立：

 x² ∈ o(x³)

 x² ∈ o(x!)

 ln(x) ∈ o(x)

因此，如果 f(x)∈ 小o(g) 成立，那么 f(x)∈ 大O(g) 也一定成立，例如：x² ∈ 小o(x³)，那么 x² ∈ 大O(x³) 也是正确的。

---

相同大小的不同输入值仍可能造成算法的运行时间不同，因此我们通常使用算法的最坏时间复杂度。

---

常见时间复杂度计算    1.  执行时间不随问题规模 n 的变化而变化。

如下交换两个变量值的算法，

1int temp = i;
2i = j;
3j=temp;

此一类算法无论语句有多少条，其时间复杂度都是 O(1)。

2.循环主体中的变量参与循环条件的判断

例如：

1int i = 1;
2while(i<=n)
3i=i*2;

其中第三行循环主体中的变量 i 参与了 while 循环条件的判断，且每循环一次 i 变为原来的 2 倍，设执行次数为 t ，i 的值将变为 2 的 t 次方，则

取对数后即得

则

常见的算法时间复杂度由小到大依次为：

Ο(1)＜Ο(log₂n)＜Ο(n)＜Ο(nlog₂n)＜Ο(n²)＜Ο(n³)＜…＜Ο(2ⁿ)＜Ο(n!)

·end·

码农新观察

超乎想象的技术干货

微信号：码农新观察