算法的时间复杂度

---

时间复杂度

在计算机科学中，时间复杂性，又称时间复杂度，算法的时间复杂度是一个函数，它定性描述该算法的运行时间。这是一个代表算法输入值的字符串的长度的函数。时间复杂度常用大O符号表述，不包括这个函数的低阶项和首项系数。使用这种方式时，时间复杂度可被称为是渐近的，亦即考察输入值大小趋近无穷时的情况

常数阶

int sum =0; n =100; /执行一次/

sum = (1+n)*n/2; /执行一次/

printf("%d",sum); /执行一次/ 时间复杂度只有O(1)

线性阶

int count =1;

while(count < n){

count = count *2;

/时间复杂度为O(1)的程序/

} 这个循环是2^x = n --> x = log2^n ，即时间复杂度为O(logn)

平方阶

int i;

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

for(j =0; j < n ; j++){

/时间复杂度为O(1)的程序/ 

}   

}

上面的程序中，对于对于内层循环，它的时间复杂度为O(n)，但是它是包含在外层循环中，再循环n次，因此这段代码的时间复杂度为O(n^2)。

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

for(j =0; j < m ; j++){

/时间复杂度为O(1)的程序/ 

}   

}

但是，如果内层循环改成了m次，时间复杂度就为O(n*m)

int i;

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

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

/时间复杂度为O(1)的程序/ 

}   

}

上面的内层循环j = i ;而不是0，因为i = 0时，内层循环执行了n次，当i=1时，执行了n-1次……当i=n-1时，执行了1次，所以总的执行次数为：n+(n-1)+(n-1)+…+1 = n(n+1)/2 = n^2/2 + n/2
根据大O推导方法，保留最高阶项，n*n/2 ，然后去掉这个项相乘的常数，1/2因此，这段代码的时间复杂度为O(n^2)

实例分析

int i,j;

void function(int count){

print(count);

}

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

function (i)

} 时间复杂度为O(n)

int i,j;

void function(int count){

int j;

for(j = count ; j < n ;j++){

    /时间复杂度为O(1)的程序/ 
    }

}

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

function (i)

}

和第一个的不同之处在于把嵌套内循环放到了函数中，因此最终的时间复杂度为O(n^2)

void function(int count){

int j;

for(j = count ; j < n ;j++){

    /时间复杂度为O(1)的程序/ }

}

n++; /执行次数为1/

function(n); /执行次数为n/

int i,j;
for(i =0; i < n ; i++){ /执行次数为n*n/

function(i);

}

for(i =0; i < n ; i++){ /执行次数为n(n+1)/2/

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

  /*时间复杂度为O(1)的程序*/ 

}

}

它的执行次数f(n) = 1 + n +n2 + n(n+1)/2 + 3/2n*n+3/2 n+1,最终它的时间复杂度为：O(n^2)

常见的时间复杂度

常用的时间复杂度所耗费的时间从小到大依次是：

参考 https://www.cnblogs.com/fanchangfa/p/3868696.html