分析算法的复杂度

算法的时间复杂度O( )

语句总的执行次数T(n)是关于问题规模的n的函数
T(n) = O(f(n))
表示随着问题规模n的增大,算法执行时间的增长率和f(n)的增长率相同,称作算法的渐近时间复杂度,简称为时间复杂度。其中f(n)是问题规模n的某个函数。
随着输入规模n的增大,T(n)增长越慢的算法,算法越优
判断一个算法的效率时,仅关注函数的最高项的阶数即可

推导O()的方法

用常数1代替所有与问题规模n无关的执行语句
在修改后的运行次数函数中,只保留最高阶项
若最高阶项存在且系数不为1,去掉该最高阶项的常系数

常数阶O(1)
代码中的所有语句与问题规模n无关

int n = 1;
System.out.print("* ");
System.out.print("* ");
System.out.print("* ");

线性阶O(n)
一层循环

int sum = 0;
for(int i = 0;i < n;i++){
	sum += i;
}	

平方阶O(n2)
双层循环
执行次数:n+(n-1)+(n-2)+…+1=(1/2)n2+(1/2)n
O(n2)


for(int i = 0;i < n;i++){

	for(int j = i;j <= n;j++){
		System.out.print("* ");		
	}
	System.out.println();	
}

对数阶O(logn)
x个2最后得到n
2x=n
x=log2n

int i =1,n = 100;
while(i<n)
{
	i = i*2;
}

nlogn阶O(nlogn)

立方阶O(n3)

指数阶O(2n)

循环的时间复杂度等于循环体的复杂度乘以该循环运行的次数

一般来说,时间复杂度从小排列到大的顺序
O(1) < O(logn) < O(n)<O(nlogn)<O(n2)<O(n3)<O(2n)<O(n!)<O(nn)

总结

判断一个算法的效率时,仅关注函数的最高项的阶数即可
O(1) < O(logn) < O(n)<O(nlogn)<O(n2)
空间换时间

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值