时间复杂度与时间限制在编程竞赛中的应用-CSDN博客

本文链接：https://blog.csdn.net/ywb666yyds/article/details/128603671

时间复杂度与时间限制

时间限制

一般会在题目中给出，常见的限制有 $1/2/5/20$ 秒 $(s)$ ，有的时候也会用毫秒 $(m s)$ 的形式给出。我们一般会粗略估算计算机一秒钟可以执行 $10^{8}$ 级别左右的基础运算（加减乘除等）。

假设一道题目时间限制为 $1$ 秒，现在有两个算法都能实现这道题，根据题目输入的 $n$ 的不同：

算法 $1$ 要进行 $n^{2}$ 次运算
算法 $2$ 要进行 $10 \times n$ 次运算

那么显然，当 $n \leq 5000$ 时，两个算法都绰绰有余，而当 $n≤10^{6}$ 时，第一个算法就没法在时间限制内得到答案，评测结果就会是超出时间限制。

时间复杂度

表示方法

我们一般用时间复杂度这个概念来描述一个算法的耗时，这个概念详细定义比较复杂，可以简单理解为时间复杂度就是基础运算的规模，更准确的定义可以参照下面的扩展阅读部分。

表示时间复杂度的渐进符号有多种：大 $\Theta$ 、大 $\Omega$ 、小 $\omega$ 、大 $O$ 、小 $o$ 等等，各自有不同的规则。因为大写字母 $O$ 比较容易打字和书写，所以经常会杂糅这些概念，用大 $O$ 符号来描述算法的时间复杂度上限，通常只保留多项式的最高次项，并省略系数。

一些例子

比如上述的算法 $1$ 与算法 $2$ ，我们通常会用 $O(n^{2})$ 与 $O (n)$ 来描述。

再比如对于下述代码：

cin >> n;
for(int i = 1; i <= n; i++)
	cin >> a[i];
sum = 0;
for(int i = 1; i <= n; i++)
	for(int j = i; j <= n; j++)
		sum += a[i] * a[j];
cout << sum;

cin >> a[i]; 执行了 $n$ 次， sum += a[i] * a[j]; 执行了 $n+(n-1)+...+1=\frac{n\times(n-1)}{2}$ ，总的基础运算次数大概是 $\frac{1}{2}n^{2}+\frac{1}{2}n$ 次，只保留最高次项并省略常数后就是 $O(n^{2})$ 。
有的时候某个算法在不同情况下时间复杂度不同，比如最坏情况下快速排序算法时间复杂度会很高，因此为了更准确的描述，我们会说快速排序算法的时间复杂度为：最坏情况下 $O(n^{2})$ ，随机数据的一般情况下 $O(n\text{ log }n)$ 。

$\text{log }n$ 表示对数，之所以不写底数，是因为我们可以轻松通过换根公式，加一个系数后把底数进行改变，所以 $\text{log}_{10}\ n$ 、 $\text{log}_{2}\ n$ 、 $\text{log }n$ 都可以视作 $\text{log}_{2}\ n$ ，写作 $\text{log }n$ 。

对数知识是数学中的难点，下面直接给出常见的 $n$ 对应的 $\text{log}_{2}\ n$ ，也可以直接通过 <cmath> 库中的log2() 函数得到。

sort ： $O(n\text{ log }n)$
lower_bound/upper_bound/binary_search ： $O(\text{log }n)$
priority_queue ： .push() $O(\text{log }n)$ ， .pop() $O(\text{log }n)$ ， .top() $O (1)$
判断 $n$ 是否为质数
- 从 $2\sim n-1$ 试除： $O (n)$
- 从 $2\sim \sqrt{n}$ 试除： $O(\sqrt{n})$
- 埃氏筛法：初始化 $O(n\text{ log log }n)$ ，初始化后每次查询 $O (1)$
- 欧拉筛法/线性筛法：初始化 $O (n)$ ，初始化后每次查询 $O (1)$
搜索枚举 $n$ 个数的子集： $O(2^{n})$
搜索枚举 $n$ 的排列： $O (n!)$