複雜度分析 1

空間複雜度

時間複雜度

第一段**：

1

intcal
(int n)
7return sum;
8}

我們假設每行**執行的時間是一樣的，為unit_time，在這個基礎上，我們可以估算出這段**的總的執行時間。

第2行和第3行都只執行一次，為2 * unit_time時間，第4行和第5行都執行了n遍，為

2n*unit_time時間，所以這段**總的執行時間 t(n) 大概為：

t(n) = (2n + 2)*unit_time;

在來看下面的**：

第二段**：

1

intcal
(int n)10}
11}

unit_time，第2，3，4行每行都執行一次，時間為3 * unit_time，第5，6行執行了n次,

時間為2n*unit_time，第7，8行執行了n2次，時間為2n2 * unit_time，這段**總執行時間t(n)為：

t(n) = (2n*n + 2n + 3)*unit_time;

t(n) = o(f(n));

t(n) 表示**執行的時間；n 表示資料規模，f(n)表示每行**執行的時間總和，因為

是乙個公式，所以用f(n)表示，公式中的o代表 t(n) 與 f(n) 成正比。

大o表示法並不表示**執行的具體時間，而是表示**執行時間隨資料規模增長的變化趨勢。所有也叫漸近時間複雜度，簡稱時間複雜度。

因為大o表示法只表示時間趨勢，所以在估算時間時，會忽略公式中的常量，低階項。

如：t(n) = (2n + 2)*unit_time

只取n作為估算，大o表示時間複雜度為： o(n)

t(n) = (2n*n + 2n + 3)*unit_time

只取n2，大o表示時間複雜度為： o(n2)

空間複雜度

1

void
print
(int n)
7for
(i = n-
1; i >=0;
--i)
10}

複雜度分析 時間複雜度分析和空間複雜度分析

其實，只要講到資料結構與演算法，就一定離不開時間 空間複雜度分析。而且我個人認為，複雜度分析是整個演算法學習的精髓，只要掌握了它，資料結構和演算法的內容基本上就掌握了一半。1.時間複雜度分析 對於剛才羅列的複雜度量級，我們可以粗略地分為兩類，多項式量級和非多項式量級。其中，非多項式量級只有兩個 o ...

分析時間複雜度（1）

目錄 一 度量 1.1 定義 1.2 思路 二 實戰 2.1 例一 2.2 例二求n 的遞迴函式的時間複雜度 2.3 例三 將演算法中基本操作的執行次數作為演算法時間複雜度的度量。這裡所討論的時間複雜度不是執行完一段程式的總時間，而是其中基本操作的總次數。這很好理解 程式執行環境不同，執行的總時間是...

演算法複雜度分析 1

空間複雜度 複雜度分析是整個演算法學習的精髓，只要掌握了它，資料結構和演算法的內容基本上就掌握了一半。如果存在常數c和n0使得當n n0時t n cf n 則記為t n o f n 例如 雖然對於較小的n值1000n要比n2大，但n2以更快地速度增長，因此n2最終將是更大的函式。在這種情況下，n 1...