時間複雜度

一直對時間複雜度的概念不弄明白，今天就總結來做筆記學習吧

時間複雜度是總運算次數表示式中受n的變化影響最大的那一項(不含係數)

(1)   for(i=1;i<=n;i++)   //迴圈了n*n次，當然是o(n^2)

for(j=1;j<=n;j++)
s++;
(2)   for(i=1;i<=n;i++)//迴圈了(n+n-1+n-2+...+1)≈(n^2)/2，因為時間複雜度是不考慮係數的，所以也是o(n^2)
for(j=i;j<=n;j++)
s++;
(3)   for(i=1;i<=n;i++)//迴圈了(1+2+3+...+n)≈(n^2)/2,當然也是o(n^2)
for(j=1;j<=i;j++)
s++;
(4)   i=1;k=0;

while(i<=n-1)

//迴圈了

n-1≈n次，所以是o(n)

(5) for(i=1;i<=n;i++)

for(j=1;j<=i;j++)

for(k=1;k<=j;k++)

x=x+1;

//

迴圈了(1^2+2^2+3^2+...+n^2)=n(n+1)(2n+1)/6(這個公式要記住哦)≈(n^3)/3，不考慮係數，自然是o(n^3)

另外，在時間複雜度中，log(2,n)(以2為底)與lg(n)(以10為底)是等價的，因為對數換底公式：

log(a,b)=log(c,b)/log(c,a)

所以，log(2,n)=log(2,10)*lg(n),忽略掉係數，二者當然是等價的

常見的時間複雜度

按數量級遞增排列，常見的時間複雜度有：

常數階o(1),  對數階o(log2n),  線性階o(n),  線性對數階o(nlog2n),  平方階o(n^2)， 立方階o(n^3),...， k次方階o(n^k), 指數階o(2^n) 。

其中，

1.o(n)，o(n^2)， 立方階o(n^3),...， k次方階o(n^k) 為多項式階時間複雜度，分別稱為一階時間複雜度，二階時間複雜度。。。。

2.o(2^n)，指數階時間複雜度，該種不實用

3.對數階o(log2n),   線性對數階o(nlog2n)，除了常數階以外，該種效率最高

例：

while (count < n)

count = count * 2; /* 時間複雜度為o(1)的程式步驟序列 */

由於每次count乘以2之後，就距離n更近了一分。

也就是說，有多少個2相乘後大於n，則會退出迴圈。

由2x=n得到x=log2n。所以這個迴圈的時間複雜度為o(logn)。

dfs時間複雜度 時間複雜度 空間複雜度

時間複雜度的數學證明方法相對比較複雜，通常在工程實際中，會分析就好。注意 只看最高複雜度的運算 int for for for for int遞迴如何分析時間複雜度？常數係數可以忽略，在分析時不用考慮，只要說以上術語即可。主定理 master throrem 上述第四種是歸併排序，所有排序演算法，最...

時間複雜度 空間複雜度

時間複雜度 在電腦科學中，演算法的時間複雜度是乙個函式，它定性描述了該演算法的執行時間。這是乙個關於代表演算法輸入值的字串 的長度的函式。時間複雜度常用大o符號 表述，不包括這個函式的低階項和首項係數。計算時間複雜度的方法 1 只保留高階項，低階項直接丟棄 2 係數不要 3 執行次數是常數是為o 1...

時間複雜度 空間複雜度

演算法複雜度分為時間複雜度和空間複雜度。其作用 時間複雜度是指執行演算法所需要的計算工作量 而空間複雜度是指執行這個演算法所需要的記憶體空間。一 時間複雜度 時間頻度 乙個演算法執行所耗費的時間，從理論上是不能算出來的，必須上機執行測試才能知道。但我們不可能也沒有必要對每個演算法都上機測試，只需知道...