时间复杂度:进行算法分析时,程序语句的总执行次数T(n)随问题规模 n的变化情况的函数的数量级。
(1) 一般情况下,随着n的增大,T(n)增长最慢的算法称为最优算法
(2)比如,我们可以把求和算法的时间复杂度称为O(n),O(1),O(n*n),即线性阶,常数阶,平方阶
时间复杂度的这个概念主要是在数据结构中提到的,而时间复杂度的算法也叫作大O阶计算
下面便是大O阶的种类与推算方法示例
▲、推导大O阶的方法,即时间复杂度的方法:
*用常数1取代运行时间中所有的加法常数
*在修改后的运行次数函数中,只保留最高阶项
*如果最高阶项存在且不是1,则去除与这个项相乘的常数,得到的结果就是大O阶
1、常数阶
在这个示例中,我们采用求和公式做演示:
int sum = 0, n = 100; //执行一次
sum = (1+n) * n / 2; //执行一次
printf("%d",sum); //执行一次
这个算法的运行次数函数是f(n) = 3, 根据推导大O阶的算法,第一步便是将3改为1,在保留最高阶时发现,根本没有最高阶,故 此时间复杂度为O(1) ;
2、线性阶
线性阶的循环结构会复杂很多,要确定某个算法的阶次,我们常常需要确定某个特定语句或者某个语句集运行的次数,因此,在此部分,要想确定时间复杂度,关键是要确定分析循环结构的运行情况
eg: 下面这段代码是时间复杂度为O(n),因为循环体中的代码必须执行n次
int i;
for(i = 0;i < n; i++)
{
//时间复杂度为O(1)的代码
}
3、对数阶
int count = 1;
while(count < n)
{
count = count *2;
}
在这个循环体中,要想程序跳出循环,则应使count >= n,即当count 乘以2一定次数后,大于n,即2的x次幂 >= n,这时可解的x 等于以2为底n的对数,故此时间复杂度为对数阶
3、平方阶
通过上述的几个例子,大致可以了解到时间复杂度的计算与概念,而在这里的平方阶主要是出现在循环嵌套中