时间复杂度

xujingcheng123

已于 2022-09-01 07:58:58 修改

阅读量260

点赞数

分类专栏：数据结构与算法

于 2022-09-01 07:57:00 首次发布

本文链接：https://blog.csdn.net/xujingcheng123/article/details/126635598

版权

时间复杂度大O表示法算法优化循环结构预估时间开销

关键词由CSDN通过智能技术生成

数据结构与算法专栏收录该内容

1 篇文章 0 订阅

订阅专栏

时间复杂度

在这里插入图片描述

算法效率的度量

时间复杂度
空间复杂度

算法时间复杂度

事前预估算法时间开销（n）与问题规模 n 的关系（T 表示 “time”）

代码demo

c++编译是按照顺序编译的，所以函数需要放到main的上面
demo1

#include <iostream>

/**
	算法1 逐步递增 T(n) = 3n + 1003 = O(n);
	结论1：顺序执行的代码只会影响常数项，可以忽略
	结论2：只需挑循环中的一个基本操作分析它的执行次数与n的关系即可
*/ 

void loveYou(int n) {
	int i = 1;
	while (i < n)
	{
		i++;
		printf("I Love You %d\n", i);
	}
	printf("I Love You More Than %d\n", n);
}


// 算法2 ——	嵌套循环计算
/**
	时间开销与问题规模n的关系
	T(n) = O(n) + O(n2) = O(n2);
	结论三：如果有多层嵌套循环，只需关注最深层循环循环了几次
**/
void loveYou2(int n) { // n 为问题规模
	int i = 1;
	while (i < n)	// 外层循环执行n次
	{
		i++;
		printf("I Love You %d\n", i);
		for (int j = 1; j <= n; j++)	// 嵌套两层循环
		{
			printf("I am Iron Man\n");	// 内层循环共执行n2 次
		}
	}
	printf("I Love You More Than %d\n", n);
}


// 算法3 —— 指数递增
/**
	设最深层循环的语句频度（总共循环的次数）为x，则
	由循环条件可知，循环结束时刚好满足2^x > n
	x = log_2n + 1
	T(n) = O(x) = O(log_2n)
*/

void loveYou3(int n) { // n 为 问题规模
	int i = 1;
	while (i < n)
	{
		i = i * 2;	// 每次翻倍
		printf("I Love You %d\n", i);
	}
	printf("I Lovw You More Than %d\n", n);
}

/**
	算法4	—— 搜索数字型
	计算上述算法的时间复杂度 T(n)

	最好情况：元素 n 在第一个位置	——	最好时间复杂度 T(n) = O(1);
	最坏情况：元素 n 在最后一个位置	——	最坏时间复杂度 T(n) = O(n);
	平均情况：假设元素 n 在任意一个位置的概率相同为 1/n	，		—— 平均时间复杂度 T(n) = O(n);
		
		循环次数 x = (1+2+3+……+n)1/n=(n(1+n)/2) * 1/n = (1+n/2)

*/
void loveYou4(int flag[], int n) {	// n 为问题规模
	printf("I Am Iron Man\n");
	for (int i = 0; i < n; i++)		// 从第一个元素开始查找
	{
		if (flag[i] == n) {		// 找到元素n
			printf("I Love You %d\n", n);	// flag 数组中乱序存放了 1~n 这些数
			break;	// 找到后立即跳出循环
		}
	}
}

int main()
{
	loveYou2(1000);
    std::cout << "Hello World!\n";
}