时间复杂度

在计算机科学中,时间复杂性,又称时间复杂度,算法的时间复杂度是一个函数,它定性描述该算法的运行时间。这是一个代表算法输入值的字符串的长度的函数。时间复杂度常用大O符号表述,不包括这个函数的低阶项和首项系数。使用这种方式时,时间复杂度可被称为是渐近的,亦即考察输入值大小趋近无穷时的情况。 ——百度

常见的时间复杂度有:

  • 常数阶 O(1)O(1)O(1)
  • 对数阶 O(logn)O(logn)O(logn)
  • 线性阶 O(n)O(n)O(n)
  • 线性对数阶 O(nlogn)O(nlogn)O(nlogn)
  • 平方阶 O(n2)O(n^2)O(n2)
  • 立方阶 O(n3)O(n^3)O(n3)
  • 指数阶 O(2n)O(2^n)O(2n)

..................

随着问题规模nnn的不断增大,上述时间复杂度不断增大,算法的执行效率将越低。

下面具体说一下这几个复杂度:

  • 常数阶 O(1)O(1)O(1)

只要没有循环结构等复杂结构,只有简单的计算,那么这个程序的时间复杂度即为O(1)O(1)O(1)

#include<iostream>
#include<cstdio> 
using namespace std;
int main()
{
	int a=1,b=2,c;
	c=a+b;
	return 0;
}

那么无论这类代码有多长,即使有几万行,都可以用O(1)O(1)O(1)来表示它的时间复杂度。

  • 对数阶 O(logn)O(logn)O(logn)
#include<iostream>
#include<cstdio> 
using namespace std;
int main()
{
	int k=1,n=5;
	while(k<n){
		k*=2;
	}
	return 0;
}										

设循环次数为xxx,则2x=n2^x=n2x=n,推出x=lognx=lognx=logn ,所以时间复杂度为O(nlogn)O(nlogn)O(nlogn)

  • 线性阶O(n)O(n)O(n)
#include<iostream>
#include<cstdio> 
using namespace std;
int main()
{
	int k=0,n=10;
	for(int i=1;i<=n;i++){
		k=i+1;
		k+=1;
	}
	return 0;
}

forforfor循环里面的代码会执行n遍,它消耗的时间是随着n的变化而变化的, 所以这类代码都的时间复杂度为O(n)O(n)O(n)

  • 线性对数阶 O(nlogn)O(nlogn)O(nlogn)
#include<iostream>
#include<cstdio> 
using namespace std;
int main()
{
	int k,n=5;
	for(int i=1;i<n;i++){
		k=1;
		while(k<n){
			k*=2;
		}
	}
	return 0;
}	

在时间复杂度为 O(logn)O(logn)O(logn)的代码基础上循环nnn遍,得到的代码的时间复杂度即为O(nlogn)O(nlogn)O(nlogn)

  • 平方阶O(n2)O(n^2)O(n2)
#include<iostream>
#include<cstdio> 
using namespace std;
int main()
{
	int k=0,n=5;
	for(int i=1;i<=n;i++){
		for(int j=1;j<=i;j++){
			k++;
		}
	}
	return 0;
}	

O(n2)O(n^2)O(n2) 表示一个算法的性能将会随着输入数据的增长而呈现出二次增长。

  • 立方阶O(n3)O(n^3)O(n3)
#include<iostream>
#include<cstdio> 
using namespace std;
int main()
{
	int k=0,n=5;
	for(int i=1;i<=n;i++){
		for(int j=1;j<=i;j++){
			for(int l=1;l<=j;l++)
			k++;
		}
	}
	return 0;
}	

O(n3)O(n^3)O(n3) 表示一个算法的性能将会随着输入数据的增长而呈现出三次增长。

  • 指数阶 O(2n)O(2^n)O(2n)
#include<iostream>
#include<cstdio> 
using namespace std;
int f(int n)
{
	if(n==0) return 0;
	if(n==1) return 1;
	return f(n-1)+f(n-2);
}
int main()
{
	int k;
	scanf("%d",&k);
	cout<<f(k);
	return 0;
}	

O(2n)O(2^n)O(2n)表示一个算法的性能将会随着输入数据的每次增加而增大两倍,斐波那契数列就是个典型。

例题

  1. 设某算法的计算时间表示为递推关系式T(n)=2T(n/2)+nT(n)=2T(n/2)+nT(n)=2T(n/2)+nnnn为正整数,T(0)=1T(0)=1T(0)=1, 则该算法的时间复杂度为()。
    A.O(n)O(n)O(n) B.O(n2)O(n^2)O(n2) C.O(nlogn)O(nlogn)O(nlogn) D.O(logn)O(logn)O(logn)

分析:

主定理:T(n)=2T(n/2)+nT(n)=2T(n/2)+nT(n)=2T(n/2)+n可得到T(n)=O(nlogn)T(n)=O(nlogn)T(n)=O(nlogn)
故选CCC

  1. 具有nnn个顶点,eee 条边的图采用邻接表存储结构,进行深度优先遍历和广度优先遍历运算的时间复杂度均为()。
    A.O(n2)O(n^2)O(n2) B.O(e2)O(e^2)O(e2) C.O(ne)O(ne)O(ne) D.O(n+e)O(n+e)O(n+e)

分析:
邻接表里面每个边被储存两次,复杂度是是n+2en+2en+2e
,但在大OOO表示法中O(n+2e)O(n+2e)O(n+2e)通常应表示为O(n+e)O(n+e)O(n+e)

故选DDD

总结

时间复杂度是评价一个算法好坏的标准,在考试中遇到的话,可以推一下运算了几次,然后取最高项即可。

完结撒花~~

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值