【算法与数据结构 の 相关概念】时间复杂度

时间复杂度分析

1. 基本操作，即只有常数项，认为其时间复杂度为O(1)
2. 顺序结构，时间复杂度按加法进行计算
3. 循环结构，时间复杂度按乘法进行计算，循环次数乘以循环体代码的复杂度(例：for,while)
4. 分支结构，时间复杂度取最大值(例：switch,if-else)
5. 判断一个算法的效率时，往往只需要关注操作数量加法项中的最高次项，其它次要项和常数项可以忽略
6. 在没有特殊说明时，我们所分析的算法的时间复杂度都是指最坏时间复杂度

常见时间复杂度

O(1)<O(logn)<O(n)<(nlogn)
<O($n^2$)<O($n^3$)<O($2^n$)<O(n!)

一般我们都是将代码的时间复杂度控制在O(logn)，O(n)，O(nlogn)，O($n^2$)这四个范围值内

例题

给定N个整数的序列{$A_1$,$A_2$,…,$A_N$},求函数$f(i,j)=max${$0,{\sum }_{k=i}^j{A}_k$}

算法1

T(N)=$n\ast n\ast (1+n\ast (1+max(1,0)))$=$2n^3+n^2$=$O(n^3)$

算法2

T(N)=$n\ast (1+n\ast (1+max(1,0)))$=$2n^2+n$=$O(n^2)$

算法3

算法4

$T(N)=n\ast (1+max(1,0))=2n=O(n)$

算法复杂度速查

图例如下

抽象数据结构复杂度

排序算法复杂度