学习总结-时间复杂度分析

时间复杂度可以表示某个算法的运行时间的趋势，大致地度量算法效率的好坏。

一个算法的执行时间可以由其中基本运算的执行次数来计算。

算法中基本运算次数执行次数T（n）是问题规模n的某个函数f（n），记作：T(n)=O(f(n))

计算算法复杂度O的大致方法：1.得出运行时间的函数

                                              2.对函数进行化简

                                                ①.用常数1来取代运行时间中所有加法常数。

                                               ②.修改后的函数中只保留最高项。

                                               ③.如果高阶项存在且不是1，则忽略这个项的系数。

不同数量级对应的值存在如下关系：O(1)<O(log2n)<O(n)<O(nlog2n)<O(n^2)<O(n^3)<O(2^n)<O(n!)

对于多重循环，则只需要看最内层的语句执行次数规律就可以了。

一个定义：设一个算法的输入规模为n，Dn是所有输入的集合，任一输入I∈Dn P(I)是I出现的频率，有∑I∈Dn P(I)=1，T(I)是算法在输入I下所执行的基本运行次数，则该算法的期望时间复杂度为∑I∈Dn {P(I)*T(I)} 该算法的最坏时间复杂度为W(n)=MAX I∈Dn {T(n)}