时间复杂度

目录

文章目录

前言

一、什么是时间复杂度？

二、如何描述时间复杂度？

1.不同数据规模的差异

2.复杂表达式简化

3.O(logn)中的log以什么为底？

总结

---

前言

        时间复杂度分析是学习算法必不可少的一环，干翻算法，先从认识时间复杂度开始！

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、什么是时间复杂度？

         时间复杂度(算法的渐进时间复杂度)：假设算法的数据规模为n，操作单元数量用函数f(n)表示，随着数据规模n的增大，算法执行时间的增长率和f(n)的增长率相同，这个增长趋势即为时间复杂度，记为O(f(n))。

        《算法导论》中说，O用来表示上界，当用它作为算法在最坏情况下运行时间的上界时，就是对任意数据输入的运行时间的上界。但实际应用中，我们更多地考虑了一般情况。输入数据的形式对程序运行时间也有很大影响，数据用例不一样，时间复杂度也是不一样的。

二、如何描述时间复杂度？

1.不同数据规模的差异

        在决定使用哪些算法时，不是时间复杂度越低越好(因为简化后的时间复杂度忽略了常数项等)，还要考虑数据规模。数据规模比较大时，就可以忽略常数项等，此时有如下算法时间复杂度排行：

        O(1) < O(logn) < O(n) < O(n^2) < O(n^3) < O(2^n)

        常数阶 < 对数阶 < 线性阶 < 平方阶 < 立方阶 < 指数阶

2.复杂表达式简化

        简化法：如O(2*n^2 + 10*n+1000)

        ①去常数项：O(2*n^2 + 10*n)

        ②去常数系数：O(n^2 + n)

        ③只保留最高项：O(n^2)

3.O(logn)中的log以什么为底？

用一个简单的例子来解释：

        O() = O(* ) 

由2中简化规则可得

          O() = O( ) 

因此以什么为底可以忽略

---

总结

初识时间复杂度，个人感觉做题的时候多分析分析就能很好地掌握了~