一篇文章搞懂时间复杂度

    由于时间复杂度是为了表达在大规模下基础操作的执行次数，因此当获得关于问题规模n的函数 f(n) 时，我们只关注最高次幂，并且忽略其系数，因为这些值在大规模问题下并不能对其时间变化产生明显影响。如，，这里我们将忽略常数项，低次幂以及的系数3，获得时间复杂度为。

    计算时间复杂度有2种方法，一种是根据直观的循环结构来计算，另一种是根据基础操作来推算。以下，分别阐述：

一.直观计算

public static void fc(int N)
{
    int sum = 0;
    for (int i = 1; i < N; i *= 2) { // 循环n次
        for (int j = 0; j < N; j++) { // 循环n次
            sum++;
        }
    }
    System.out.println(sum);
}

上述代码共有2层循环，嵌套循环遵循乘法原则，所以时间复杂度为O()

二.规模计算

public static void fb(int N)
{
    int sum = 0;
    for (int i = 1; i < N; i *= 2) {
        for (int j = 0; j < i; j++) {
            sum++;
        }
    }
    System.out.println(sum);
}

外层循环很容易看出是,但内层循环 j 是根据外层循环 i 的值变化的，无法直观计算，此时就需要根据问题规模来算时间复杂度。

先找到基础操作sum++，可以看出，当 i=1 时，sum++执行1次，当 i=2 时，sum++执行2次，当 i=4 时，sum++执行4次，...，当 i=N 时，sum++执行N次。根据加法原则，sum++总共执行次数应为，1+2+4+...+N次，根据等比数列求和公式  ,根据公式得出执行次数总和  (n为项数)，又因为n和N的关系可以有如下表示：，整理得，将n和N的关系等式代入中得出结果，因此得到时间复杂度为O(N)。

三.练习题

1.分析以下算法的时间复杂度

void fun(int n)
{
    int i=0,s=0;
    while(s<n){
        ++i;
        s=s+i;
    }
}

答案：

i 的值随着循环次数增加，逐渐递增为1,2,3,4...，m

s的值实际为 i 的所有取值的总和，所以当i=m时，，由于循环条件为s<n，因此在循环第m次时，s+k(假设的一个常量)=n，即为。

求根公式：

由求根公式得，，即

去掉常数项和n的系数，得出时间复杂度T(n)=

2.求最后一行的语句频度在最坏的情况下是多少。

for(i=n-1;i>=1;--i)
    for(j=1;j<=i;++j)
        if(A[j]>A[j+1]) A[j]与A[j+1]对换；

答案：

内层循环次数随着 i 的变化而变化，i=n-1时，内层循环n-1次；i=n-2时，j循环n-2次；...；i=2时，j循环2次；i=1时，j循环1次。(n-1,n-2,n-3,...,2,1)

根据加法原则，内层循环总次数的和为，，整理得，

去掉低次幂及高次幂的系数，得到时间复杂度，。

3.如下函数mergesort()执行的时间复杂度为多少？假设函数调用被写为mergesort(1,n)，函数merge()的时间复杂度为O(n)。

void mergesort(int i,int j)
{
    int m;
    if(i!=j){
        m=(i+j)/2; // O(1)
        mergesort(i,m);
        mergesort(m+1,j);
        merge(i,j,m); // O(n)
    }
}

答案：

因为m为 i,j 的平均数，可以得出，

即 

             

             

             ...

             

又因为，当 时,为最终时刻，即为f(1)的时候，

代入得

所以时间复杂度为，。