时间复杂度&时间频度

算法的时间复杂度

算法效率计量估计的方法

事后统计法

• 条件一：先运行程序
• 条件二：硬件一致

事前分析法：通过分析某个算法的时间复杂度来分析哪一个算法更好

时间频度

• 一个算法的执行总耗时和执行过程中所涉及到的执行条目成正比关系
• • 一个算法的执行过程涉及到的执行条目越多，整个算法的耗时则越久。
• 一个算法中语句的执行条目总数称之为语句频度（时间频度）
• 时间频度使用T(n)表示
• • 其中n代表问题规模，指的是程序中输入数据的大小或输入数据的数据量。
  • T指的是在输入数据量为n的时候，这段代码总的执行条目

时间复杂度

• 上下文时间频度实在代码中计量执行语句的条目得出的。
• 如果程序的代码量非常庞大，用时间频度进行评估十分的麻烦
• 因此，我们对于时间频度进行简化得出一个简化后的估算值，即为时间复杂度

估算时间复杂度

• 忽略常数项
• 忽略低次项
• 忽略最高项系数
• T（n） 若n 为常数，时间复杂度为O(1)，若n不是常数：时间复杂度为O(保留T(n)的最高项的次方，去掉最高项常数)
• 分支情况不用看条件，谁更大，就是谁。

大小关系

最小 ------> O(1)----->O(logn)------>O(n)----->O(nlogn)------>O(n^2)----->O(n3)------->O(2^n) ------> 最大

其中logN
/**
     * O(logn)
     *  3=log2 8;  4=log2 16; n==8,n==16 其中的3，4是简化后的时间频度
     * @param n
     */
    public static void test(int n)
    {
        n=8;
        for (int i = 1; i < n; i*=2) {
            System.out.println("你好");
        }
    }  

空间妥协时间。（用空间换时间）

平均时间复杂度和最坏时间复杂度

• 平均时间复杂度所指的是有可能的输入实例均以等概率出现的情况下该算法的运算时间
• 最坏时间复杂度所指的是最糟糕的情况下的时间复杂度
• • 通常情况下我们讨论一个算法的时间复杂度所知的都是最坏时间复杂度
  • 原因是最坏时间复杂度代表了算法在任何输入实例上的最长时间上限，这就保证了算法的执行时间不会比最糟糕的情况还长
  • 平均时间复杂度和最坏时间复杂度是否一致这和算法本身相关。