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;
- 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) = 3n2+2n+2它们的T(n)不同,但时间复杂度相同,都为O(n2)。
-
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=