简化的算法时间复杂度分析

🤡🤡🤡接着上一篇文章《算法的时间复杂度、空间复杂度》，本篇学习简化的算法时间复杂度分析！内容不多，简简单单！🤩🤩🤩

算法的时间复杂度、空间复杂度http://t.csdn.cn/2V9Yh

🐥🐥🐥🐥🐥🐥🐥🐥🐥🐥🐥🐥🐥🐥🐥🐥🐥🐥

---

一、👻前言

        对于我们编写的算法，我们有必要去分析去时间复杂度，即分析它的运行效率，而运行效率又取决于算法的运行次数。一个好的算法，它应该是运行时间短的，占用内存空间小的，学会了如何去分析算法的时间复杂度并计算出大概的结果，这有助于我们编写出更优的算法，这也是作为一个好的程序员必备的技能。

        但是一个算法执行所耗费的时间，从理论上是不能算出来的，必须上机运行测试才能知道。但我们不可能也没有必要对每个算法都上机测试，只需知道哪个算法花费的时间多，哪个算法花费的时间少就可以了。

二、😇何为简化的算法时间复杂度分析

        在通常中，我们计算一个算法的时间复杂度，都在一步一步的分析每一行代码的运行次数，然后把它们加起来，最后计算出算法频度T（n），得出时间复杂度。

        但是这种方法太过于繁琐，耗时长，往往我们不会愿意花太多的时间进去这样计算算法的时间的复杂度，所以有必要简化计算的步骤。

那么何为简化？(●'◡'●)

• 仅仅考虑算法中的基本操作，即算法中最深层循环内的原操作。
• 算法执行时间大致=基本操作所需时间*其运行次数

        所以在算法分析中，计算T（n）时仅仅考虑基本操作的执行次数。

例如下面这个算法：

void matrixadd(int[][] A,int[][] B,int[][] C,int n)
{
    for(int i=o;i<n;i++)
        for(int j=0;j<n;j++)
            C[i][j]=A[i][j]+B[i][j];  //只考虑该原操作
}

        我们可以看到，该算法一共两个for循环语句，而每个执行n+1次，最后一行代码为原操作，那么我们的算法频度即为T(n)=n^2

对应的时间复杂度为：O(n^2)

具体计算：

 你学废了吗？小玥早就废了！！！

🐷🐷🐷♥(｡￫v￩｡)♥🐷🐷🐷