判断算法效率

最新推荐文章于 2024-07-25 17:43:13 发布

BraveOxCow

最新推荐文章于 2024-07-25 17:43:13 发布

阅读量518

点赞数 13

文章标签：数据结构

本文链接：https://blog.csdn.net/weixin_65816128/article/details/139545967

版权

以此文记录学习过程，内容有不妥之处请包涵。

规则

1.往往只关注操作数量的最高次项，忽略其他次项和常数项。

2.无特殊说明时，算法的时间复杂度是指最坏的时间复杂度。

3.只有常数项记为1。

4.操作数的估算可以作为时间复杂度的估算。

5.算法的空间复杂度并不是计算算法所占用的空间，而是使用的辅助空间的大小。

大O表示法

常见的时间复杂度

执行次数	阶	非正式术语
12	O(1)	常数阶
$2n+3$	O(n)	线性阶
$3n^{2}+2n+1$	O( $n^{2}$ )	平方阶
$5\log_{2}n+20$	O( $\log_{2}n$ )	对数阶
$2n+3n\log_{2}n+19$	O( $n\log_{2}n$ )	$n\log_{2}n$ 阶
$6n^{3}+2n^{2}+4$	O( $n^{3}$ )	立方阶
$2^{n}$	O( $2^{n}$ )	指数阶

常见时间复杂度排序

O(1)<O( $\log_{2}n$ )<O(n)<O( $n\log_{2}n$ )<O( $n^{2}$ )<O( $n^{3}$ )<O( $2^{n}$ )<O(n!)<O( $n^{n}$ )

计算算法时间复杂度

算法1

void Algo1(void)
{
    int sum=0,n=100;
    sum=(1+n)*n/2;
    printf("%d\n",sum);
}

代码有三步，则为O(3)。因为3为常数，所以时间复杂度为O(1)。

算法2

void Algo2(int n)
{
    int i;
    for(i=0;i<n;i++)
    printf("%d\n",i);
}

代码有n步，时间复杂度为O(n)。

算法3

void Algo3(int n)
{
    int count=1;
    while(count<n)
    count*=2;
}

假如n=10，则count=2,4,8,16，即在while中执行了4步。

设代码有x步，则有 $2^{x}$ =n，x= $\log_{2}n$ ，时间复杂度为O( $\log_{2}n$ )。

算法4

void Algo4(int n)
{
    int i,j;
    for(i=0;i<n;i++)
    for(j=0;j<n;j++)
    printf("%d\n",i+j);
}

时间复杂度为O( $n^{2}$ )。

算法5

void Algo4(int n)
{
    int i,j;
    for(i=0;i<n;i++)
    for(j=i;j<n;j++)
    printf("%d\n",i+j);
}

会执行 $n+(n-1)+...+1$ 次，即 $\frac{n(n-1)}{2}=\frac{n^{2}}{2}+\frac{n}{2}$ 。根据规则只关注最高次项，所以时间复杂度为O( $n^{2}$ )。

算法6

void func(int n)
{
    int i;
    for(i=0;i<n;i++)
    printf("Hi");
   
}

void Algo(int n)
{
    //1
    n++;
    func(n);

    //2
    int i,j;
    for(i=0;i<n;i++)
    func(n);
    
    //3
    for(i=0;i<n;i++)
    for(j=i;j<n;j++)
    printf("Hi");
}

是前面算法的组合，n+ $n^{2}$ + $n^{2}$ ，时间复杂度为O( $n^{2}$ )