a*算法的时间复杂度_算法的时间复杂度

 T(n) 为算法需要执行的运算次数。

算法的时间复杂度，用来度量算法的运行时间，记作: T(n) = O(f(n))。它表示随着 n 的增大，算法执行需要的时间的增长速度可以用 f(n) 来描述。

例1

for(int i = 0; i<4; i++) {         // 需要执行4次

    ……;     

}

这个方法需要 4 次运算，即T(n) = 4

时间复杂度体现的是增长速度，因此只需要看对整体影响最大的项，即n的最高阶项

4是常数，也可以看作4*n⌃0，由于与幂函数相乘的常数对幂函数的增速改变几乎不起作用，因此常数都被忽略，因此这个方法的时间复杂度是O(n⌃0)，即O(1)。

那有没有其他情况呢？

例2

如果在上面那个for语句的里面和外面再加入for语句，如：

for(int i = 0; i

    for(int j = 0; j

        ……; 

    }

}

for(int k = 0; k

    ……; 

}

这个方法需要 n * n + n = n⌃2 + n 次运算，即T(n) = n⌃2 + n 

最高次项是n⌃2，因此这个方法的时间复杂度是O(n⌃2)。

那除了幂函数还有其他形式吗？

例3

for (int i = 2; i < n; i++) {

    i *= 2;

    ……;

}

这个方法的时间复杂度为 O(log(2)(n))，即 O(log n)。注意，log(2)写成log

当然还有其他形式增长的，所以这里按函数的增速快慢给出复杂度的比较：

O(1)