百度百科:
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。
大O用来表示上界的,当用它作为算法的最坏情况运行时间的上界,就是对任意数据输入的运行时间的上界。
简单理解就是一个算法或是一个程序在运行时,所消耗的时间(或者代码被执行的总次数)。
int a,b;
for(int i=0;i<n;i++)
{
a+=1;
for(int j=1;j<=n;j*=2)
{
b+=a;
}
}
分析步骤
Step1.分析各条语句执行时间,得到算法(实际)复杂性
语句 int a,b;的频度为1;
语句 i =0:的频度为1;
语句 i<n; i ++;a+=1:j=1;的频度为 n ;
语句j <= n ; j *=2;b+=a;的频度为 n * log2n ;
算法(实际)复杂性: T ( n )=2+4n+3n*log2n
step2.计算渐进复杂性
忽略掉 T ( n )中的常量、低次幂和最高次幂的系数
当 n 趋向于无穷大
T ( n )= O ( n *log2n)
可以简化计算步骤,分析一下,可以看出,决定算法复杂度的是执行次数最多的语句,一般也是最内循环的语句。
于是,以上步骤可简化为:找到执行次数最多的语句
算法时间复杂的的一个排行如下所示:
O(1)常数阶 < O(logn)对数阶 < O(n)线性阶 < O(n^2)平方阶 < O(n^3)(立方阶) < O(2^n) (指数阶)
总结
一般来说时间复杂度有下面几种情况
1.for(int i=0;i<100000;i++)//O(1)
2.for(int i=0;i<n;i++)//O(n)
3.for(int i=0;i<n;i=i*2)//O(log(n))具体来说是log2(n)但是一般都化成log(n)
4.for(int i=0;i<n;i++)
{
for(int i=0;i<n;i++)//O(n^2)
}
5.for(int i=0,s=0;s<n;i++)
{
s=s+i;//O(sqrt(n))根号n
}
对于第3点for(int i=0;i<n;i=i*2)
假设达到这个终止条件所需的迭代次数是 k,那么我们有:2 ^ k > = n
以两边的2为基数,我们得到:K > = log (n)
因此,所需的迭代次数与 log (n)成正比,因此循环的时间复杂度为 O (logn)。
对于第5点
for(int i=0,s=0;s<n;i++)
{
s=s+i;//O(sqrt(n))根号n
}
首先,循环的执行次数为i,因此i的最大值为sqrt(n),即i=sqrt(n)时s的值刚好大于等于n。 其次,每次循环中进行了一个加法操作和一个赋值操作,其时间复杂度均为O(1)。 因此,总的时间复杂度为O(sqrt(n))。