时间复杂度

前言

算法的效率评估分为：

• 时间效率，即时间复杂度 (\text{Time Complexity})(Time Complexity)；

• 空间效率，即空间复杂度(\text{Space Complexity})(Space Complexity)。

现在绝大多数情况下，空间复杂度受限的可能性较低，且优化代价高，效果差，所以以考虑时间复杂度为主。

时间复杂度并非指绝对时间，而是评估随着输入规模的增长，消耗时间的增长量级。

定义

nn：输入规模。简单举例，输入为矩阵，nn 可以根据具体场景定义为行数，也可以定义为列数，也可以定义为元素个数，根据需求进行定义。

\text{C}(n)C(n)：基本操作次数

\text{t}(n)t(n)：一个算法的运行时间(常用 \text{C}(n)C(n) 表示)

\text{g}(n)g(n)：一个用来和操作次数做比较的函数

\text{O}O：算法复杂度的上边界，用来评估最恶劣情况，用于算法选取，常写作 \text{O}(\text{g}(n))=n^2O(g(n))=n2 或者 \text{O}(n)=n^2O(n)=n2

ΩΩ：算法复杂度的下边界，用来评估最优情况，用于算法初选

θθ：算法复杂度的上下边界带，用于评估算法时间稳定性

复杂度等级

1<\log<n<n\log{n}<n^2<n^3<2^n<n!1<log<n<nlogn<n2<n3<2n<n!