算法学习笔记（一）：时间复杂度、冒泡排序、选择排序和二分排序

时间复杂度

​ 1. 时间频度：一个算法花费的时间与算法中语句的执行次数成正比例，哪个算法中语句执行的次数多，它花费的时间就多。一个算法中语句执行次数被称为语句频度或时间频度T（n）。

​ 特性：

• 忽略常数项：如时间频度为T(n) = 2n+20和频度为T(n) = 2n，当n越来越大是，两者的结果无限接近。故常数项可以忽略；

• 忽略低次项：如时间频度为T(n) = 2n^2+3n+10与T(n) = 2n^2，当n越来越大时，两者的结果无限接近。故低次项可以省略；

• 忽略系数：如时间频度为T(n) = 3n^2+20n与T(n) = 5n^2+7n，当n越来越大时，两者的结果无限接近。故低次项可以省略；

2. 时间复杂度

• 一般情况下，算法中的基本操作语句的重复执行次数是问题规模n的某个函数，用T(n)表示，若有某个辅助函数f(n)，使得当n趋近于无穷大的时候，T(n)/f(n)的极限值为不等于0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。

• T(n)不同，但时间复杂度可能相同，如：T(n) = n^2+7n+6与T(n) = 3n^{2+2n+2它们的T(n)不同，但时间复杂度相同，都为O(n}2)。

• 计算时间复杂度的方法：

  • 用常数1代替运行时间中的所有加法常数；

    如：T(n) = n^2+7n+6 —> T(n) = n^2+7n+1

  • 修改后的运行次数函数中，只保留最高阶项；

    如：T(n) = n^2+7n+1 ----> T(n) = n^2

  • 取出最高阶项的系数。

    如：T(n) = n^2 系数为1，去掉仍为1。

由图可见，我们应该尽可能避免使用指数阶的算法。

​ 3.分类：

• 常数阶O(1)：无论代码执行了多少行，只要是没有循环等复杂结构，那这个代码的时间复杂度就是O(1)。
• 对数阶O(log2n)：

int i = 1;
while(i < n){
   
    i = i * 2;
}

​ 在while循环中，假设循环x次之后退出循环，此时2的x次方等于n，即x = log2n，也就是说循环log2n次之后代码就结束了。因此代码的时间复杂度为O(log2n)。2随着代码的改变而改变，i = i *3 时，复杂度为O(log3n).

• 线性阶O(n):

for(i = 1 ;i <= n ;++i){
   
    j = i;
    j++
}

​ 这段代码中for循环里面的代码会执行n遍，因此它消耗的时间是随着n变化而变化，因此这类代码都可以用O(n)来表示它的时间复杂度。

• 线性对数阶O(nlogN)

for(m=