详细概述算法时间复杂度(C语言)

最新推荐文章于 2024-10-02 22:49:04 发布

A神经质

最新推荐文章于 2024-10-02 22:49:04 发布

阅读量6.1k

点赞数 17

分类专栏：数据结构基础文章标签：数据结构算法时间复杂度 C语言

本文链接：https://blog.csdn.net/weixin_45637300/article/details/103337245

版权

数据结构基础专栏收录该内容

9 篇文章 2 订阅

订阅专栏

前言：

最近，在学习数据结构与算法中的算法时间复杂度。其实，在学它之前，自己也会这样想，现在电脑中CPU运行速度这么快且相关的性能也显著提高，为什么还要去学习怎么去提高算法效率，怎么去计算或者表示算法时间复杂度呢？当然，上述的话还不无道理，然而，当你能够去优化你的代码，去试着去想怎么去写出更为高效的代码时，你的能力就在此能够提高一大层。还有就是，就算现在电脑的运行速度这么快，但是你只追求写出算法，而不去追求更为高效的算法的话，电脑运行速度的提升速度还是赶不上复杂算法的更新。好了，不多说了，现在进入正题：

1.算法时间复杂度的定义：

在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，进而分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度，也就是算法的时间量度，记作：T(n)=O(f(n))。它表示随问题规模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的一个函数。

1.1.常数阶:

int a=1,b=1,sum;           //执行一次
sum=a+b;                     //执行一次
printf("%d",sum);          //执行一次

上面的算法f(n)=3,可知该算法的时间复杂度是一个常数阶，对于像此类的算法时间复杂度，我们都以O(1)表示，而不是O(3)表示，统一表示为O(1).

1.2.线性阶：

大家应该都知道线性函数吧，这里的线性阶和上述是同样的道理。

int i;
for(i=0;i<n;i++)                   //执行n次

可知上述的算法时间复杂度就是用O(n)表示，这就代表线性阶。

1.3.对数阶：

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

随着循环的进行，a的值不断靠近n的值，也就是说有多少个2相乘最后大于n的值，则会退出循环。设为x个2相乘。有等式x= $log_{2}n$ ,所以这个循环的算法时间复杂度为O(logn);

1.4.平方阶：

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

内循环为n此，外循环为n此,最后执行 $n^{2}$ 次，所以这个循环的算法时间复杂度为O( $n^{2}$ ),称其为平方阶。
不过这里要注意的是，还有一种循环：

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

当i=0时，内循环执行n此，当i=1时，内循环执行n-1次，以此类推,最后为n+(n-1)+(n-2)+…+1;
由等差知识可知其最后的值为： $\frac{n^2}{2}$ + $\frac{n}{2}$ ,当这样的表达式时，我们会将其的算法时间复杂度用O( $n^{2}$ )表示，因为，在n趋于无穷大时，其常数和最高次数的的系数即一些低的系数直接忽略。立方阶等都是这样考虑。