大O表示法:
算法的时间复杂度通常用大O符号表述,定义为T[n] = O(f(n))。称函数T(n)以f(n)为界或者称T(n)受限于f(n)。 如果一个问题的规模是n,解这一问题的某一算法所需要的时间为T(n)。T(n)称为这一算法的“时间复杂度”。当输入量n逐渐加大时,时间复杂度的极限情形称为算法的“渐近时间复杂度”。
最坏时间复杂度:
算法的时间复杂度不仅与语句频度有关,还与问题规模及输入实例中各元素的取值有关。一般不特别说明,讨论的时间复杂度均是最坏情况下的时间复杂度。这就保证了算法的运行时间不会比任何更长。
求数量级:
即求对数值(log),默认底数为10,简单来说就是“一个数用标准科学计数法表示后,10的指数”。例如,5000=5x10 ³ (log5000=3) ,数量级为3。另外,一个未知数的数量级为其最接近的数量级,即最大可能的数量级。
求极限的技巧:
要利用好1/n。当n趋于无穷大时,1/n趋向于0。
一些常见的大O运行时间:
下面按由快到慢的顺序列出了常见的5种大O运行时间。
1、O (log n ),也叫对数时间 ,这样的算法包括二分查找。
2、O (n ),也叫线性时间 ,这样的算法包括简单查找。
3、O (n * log n ),这样的算法包括快速排序——一种速度较快的排序算法。
4、O (n ² ),这样的算法包括选择排序——一种速度较慢的排序算法。
5、O (n !),这样的算法包括旅行商问题——一种非常慢的算法。
下面是分析算法时常见的函数分类列表。这些函数都处于n趋近于无穷大的情况下。按由快到慢的顺序排列。c是一个任意常数。
符号 | 名称 |
---|---|