时间复杂度的定义:
时间频度:
一个算法花费的时间与算法中语句执行的次数成正比,执行的多耗时就打
一个算法中语句执行的次数称为语句频度或时间频度,用T(n)表示,n表示问题的规模
时间复杂度:
想要知道问题的规模,而不是具体的次数,引入了时间复杂度
一般情况下,算法中基本操作重复执行的次数是 问题规模n的某个函数,用T(n)表示
T(n)=O(f(n)), O(f(n))被称为算法的渐进时间复杂度,简称时间复杂度
或者说:时间复杂度 就是 时间频度,去掉低阶项和首项的常数
时间频度不同可能时间复杂度相同;
总结:随着n的变化的增大,如果两个频度的函数的结果是无限接近的,那么这两个算法的时间复杂度是相同的。
时间复杂度考量的是算法的变化的趋势
时间复杂度计算
1,找出算法中的基本语句
2.计算基本语句的执行次数的数量级
3.用大Ο记号表示算法的时间性能
EG:
1+2+3+4+++++。。1000 用for循环实现
for(int i=1;i<=1000;i++){//1000就是时间频度可以用n代替
sum+=i //这条就是核心代码需要被执行1000次
}
可以看到这段代码的时间复杂度就是T(n)=O(n),时间复杂度就是n,是一个线性的增长
(1+1000)*1000/2,也可是计算1到1000的和
但是这条核心代码只执行1次,所以T(n)=O(n);
一般情况下,单层循环的时间复杂度是n,双层是n*n,三层是n*n*n以此类推
但是也有特殊情况,比如递增的情况是*=,或者/=这种2册循环的操作
那时间复杂度是O(nlog2n)
常用的时间复杂度级别
常数阶O(1)
对数阶O(log2n)
线性阶O(n)
线性对数阶O(n*log2n)
平方阶O(n2)
立方阶O(n3)
...
k次方阶O(nk)
指数阶O(2n)
阶乘阶O(n!)