数据结构之：时间复杂度（T(n)=O(n)）
写在前面：
这篇文章是在公众号： 程序员小灰 中发布的。是我到目前为止所看到的关于时间复杂度介绍的最好的文章，简介 清晰 明了。
所以拿来po出来 仅供学习交流，如侵则删。
现已将此文收录至： 《数据结构》C语言版 (清华严蔚敏考研版） 全书知识梳理
正文：
时间复杂度的意义
究竟什么是时间复杂度呢？让我们来想象一个场景：某一天，小灰和大黄同时加入了一个公司......
一天过后，小灰和大黄各自交付了代码，两端代码实现的功能都差不多。大黄的代码运行一次要花100毫秒，内存占用5MB。小灰的代码运行一次要花100秒，内存占用500MB。于是......
由此可见，衡量代码的好坏，包括两个非常重要的指标：
1.运行时间；
2.占用空间。
基本操作执行次数
关于代码的基本操作执行次数，我们用四个生活中的场景，来做一下比喻：
场景1：给小灰一条长10寸的面包，小灰每3天吃掉1寸，那么吃掉整个面包需要几天？
答案自然是 3 X 10 = 30天。
如果面包的长度是 N 寸呢？
此时吃掉整个面包，需要 3 X n = 3n 天。
如果用一个函数来表达这个相对时间，可以记作 T（n） = 3n。
场景2：给小灰一条长16寸的面包，小灰每5天吃掉面包剩余长度的一半，第一次吃掉8寸，第二次吃掉4寸，第三次吃掉2寸......那么小灰把面包吃得只剩下1寸，需要多少天呢？
这个问题翻译一下，就是数字16不断地除以2，除几次以后的结果等于1？这里要涉及到数学当中的对数，以2位底，16的对数，可以简写为log16。
因此，把面包吃得只剩下1寸，需要 5 X log16 = 5 X 4 = 20 天。
如果面包的长度是 N 寸呢？
需要 5 X logn = 5logn天，记作 T（n） = 5logn。
场景3：给小灰一条长10寸的面包和一个鸡腿，小灰每2天吃掉一个鸡腿。那么小灰吃掉整个鸡腿需要多少天呢？
答案自然是2天。因为只说是吃掉鸡腿，和10寸的面包没有关系 。
如果面包的长度是 N 寸呢？
无论面包有多长，吃掉鸡腿的时间仍然是2天，记作 T（n） = 2。
场景4：给小灰一条长10寸的面包，小灰吃掉第一个一寸需要1天时间，吃掉第二个一寸需要2天时间，吃掉第三个一寸需要3天时间.....每多吃一寸，所花的时间也多一天。那么小灰吃掉整个面包需要多少天呢？
答案是从1累加到10的总和，也就是55天。
如果面包的长度是 N 寸呢？
此时吃掉整个面包，需要 1+2+3+......+ n-1 + n = (1+n)*n/2 = 0.5n^2 + 0.5n。
记作 T（n） = 0.5n^2 + 0.5n。
上面所讲的是吃东西所花费的相对时间，这一思想同样适用于对程序基本操作执行次数的统计。刚才的四个场景，分别对应了程序中最常见的四种执行方式：
场景1：T（n） = 3n，执行次数是线性的。
void eat1(int n){for(int i=0; i<n; i++){;System.out.println("等待一天");System.out.println("等待一天");System.out.println("吃一寸面包");}
}
vo
场景2：T（n） = 5logn，执行次数是对数的。
void eat2(int n){for(int i=1; i<n; i*=2){System.out.println("等待一天");System.out.println("等待一天");System.out.println("等待一天");System.out.println("等待一天");System.out.println("吃一半面包");}
}
场景3：T（n） = 2，执行次数是常量的。
void eat3(int n){System.out.println("等待一天");System.out.println("吃一个鸡腿");
}
场景4：T（n） = 0.5n^2 + 0.5n，执行次数是一个多项式。
void eat4(int n){for(int i=0; i<n; i++){for(int j=0; j<i; j++){System.out.println("等待一天");}System.out.println("吃一寸面包");}
}
渐进时间复杂度
有了基本操作执行次数的函数 T（n），是否就可以分析和比较一段代码的运行时间了呢？还是有一定的困难。
比如算法A的相对时间是T（n）= 100n，算法B的相对时间是T（n）= 5n^2，这两个到底谁的运行时间更长一些？这就要看n的取值了。
所以，这时候有了渐进时间复杂度（asymptotic time complexity）的概念，官方的定义如下：
若存在函数 f（n），使得当n趋近于无穷大时，T（n）/ f（n）的极限值为不等于零的常数，则称 f（n）是T（n）的同数量级函数。
记作 T（n）= O（f（n）），称O（f（n）） 为算法的渐进时间复杂度，简称时间复杂度。
渐进时间复杂度用大写O来表示，所以也被称为大O表示法。
如何推导出时间复杂度呢？有如下几个原则：
如果运行时间是常数量级，用常数1表示；
只保留时间函数中的最高阶项；
如果最高阶项存在，则省去最高阶项前面的系数。
让我们回头看看刚才的四个场景。
场景1：
T（n） = 3n
最高阶项为3n，省去系数3，转化的时间复杂度为：
T（n） = O（n）
场景2：
T（n） = 5logn
最高阶项为5logn，省去系数5，转化的时间复杂度为：
T（n） = O（logn）
场景3：
T（n） = 2
只有常数量级，转化的时间复杂度为：
T（n） = O（1）
场景4：
T（n） = 0.5n^2 + 0.5n
最高阶项为0.5n^2，省去系数0.5，转化的时间复杂度为：
T（n） = O（n^2）
这四种时间复杂度究竟谁用时更长，谁节省时间呢？稍微思考一下就可以得出结论：
O（1）< O（logn）< O（n）< O（n^2）
在编程的世界中有着各种各样的算法，除了上述的四个场景，还有许多不同形式的时间复杂度，比如：
O（nlogn）, O（n^3）, O（m*n），O（2^n），O（n！）
今后遨游在代码的海洋里，我们会陆续遇到上述时间复杂度的算法。
时间复杂度的巨大差异
我们来举过一个栗子：
算法A的相对时间规模是T（n）= 100n，时间复杂度是O(n)
算法B的相对时间规模是T（n）= 5n^2，时间复杂度是O(n^2)
算法A运行在小灰家里的老旧电脑上，算法B运行在某台超级计算机上，运行速度是老旧电脑的100倍。
那么，随着输入规模 n 的增长，两种算法谁运行更快呢？
从表格中可以看出，当n的值很小的时候，算法A的运行用时要远大于算法B；当n的值达到1000左右，算法A和算法B的运行时间已经接近；当n的值越来越大，达到十万、百万时，算法A的优势开始显现，算法B则越来越慢，差距越来越明显。
这就是不同时间复杂度带来的差距。
数据结构之：时间复杂度（T(n)=O(n)）相关推荐
- 数据结构—1.时间复杂度
目录 前言 一.时间复杂度 二.大O表示法 三,实例介绍 例1:O(N^2) 例2:O(1) 例3:O(M +N) (重点)例4:O(N) 例5:冒泡排序( O(N^2) ) 例6:二分法查找(O(l ...
- 【数据结构】时间复杂度_空间复杂度
作者:旧梦拾遗186 专栏:数据结构成长日记 每日励志: 如果有一天,你的努力配得上你的梦想,那么你的梦想也绝对不会辜负你的努力. 前言: 小编带大家来学习数据结构中的复杂度问题. 目录 1.算法效率 ...
- 数据结构之时间复杂度和空间复杂度
数据结构入门 文章目录 数据结构入门 前言 一.时间复杂度 1.定义 2.大O的渐进表示法 3.例题 1)Func3 2)冒泡排序 3)二分查找 4)阶乘递归 5)斐波那契递归 二.空间复杂度 1.定 ...
- 【数据结构】时间复杂度和空间复杂度的计算
目录 一.数据结构 1.什么是数据结构 2.什么是算法 3.数据结构和算法的重要性 4.如何学好数据结构和算法 二.算法效率 三.时间复杂度 1.时间复杂度的概念 2.时间复杂度的表示方法 3.算法复 ...
- 【数据结构】—时间复杂度or空间复杂度以及基础题目练习
小菜坤日常上传gitee代码:https://gitee.com/qi-dunyan ❤❤❤ 个人简介:双一流非科班的一名小白,期待与各位大佬一起努力! 推荐网站:cplusplus.com 目录 前 ...
- 【数据结构】时间复杂度和空间复杂度
文章目录 前言 1. 什么是数据结构 2. 什么是算法 正文 1. 算法效率 1.1 如何衡量一个算法的优劣 1.2 算法的复杂度 2. 时间复杂度 2.1 定义 2.2 计算 2.3 大O的渐进表示 ...
- 408考研数据结构复习-时间复杂度与空间复杂度-附统考真题
文章目录 一.时间复杂度 二.空间复杂度 三.相关题目 一.时间复杂度 一个语句的频度是指该语句在算法中被重复执行的次数.算法中所有语句的频度之和记为T(n),它是该算法问题规模n的函数,时间复杂度主 ...
- 数据结构的时间复杂度与空间复杂度、及相关证明
0. 有向图无向图的时空复杂度 图的时空复杂度与其具体的表示形式有关,对于图的邻接表的表示形式,记 Adj[v] 为顶点 v 的出边构成的列表.为了考量其空间复杂度,首先需要记录全部的顶点,也即即使全 ...
- 数据结构(2)时间复杂度——渐进时间复杂度、渐进上界、渐进下界
目录 2.1.概述 2.2.时间复杂度的计算 2.2.1.渐进复杂度 2.2.2.渐进上界 2.2.3.渐进下届 2.2.4.复杂度排序 2.2.5.举几个例子 2.1.概述 算法的基本定义: 求解问 ...
- 数据结构::递归时间复杂度的计算
开篇前言:为什么写这篇文章?笔者目前在学习各种各样的算法,在这个过程中,频繁地碰到到递归思想和分治思想,惊讶于这两种的思想的伟大与奇妙的同时,经常要面对的一个问题就是,对于一个给定的递归算法或者用分治 ...
最新文章
- 从2012年到现在深度学习领域标志成果
- 两种参数类型_深入理解Java中方法的参数传递机制
- centos7 zookeeper3.5.6单点部署
- Android的简介
- 制造-销售”模式正在消亡，传统大型企业的上云之路要如何举步？
- C++实现分割读取txt文件以及对齐打印设置
- hammerJs-v2.0.4详解
- 【操作系统】王道考研 p22-26 生产者消费者问题、多生产者多消费者问题、吸烟者问题、读者写者问题、哲学家进餐问题
- 2022苹果开发者账号续费问题
- TCP/IP 报文协议学习
- 计算机贴保密标识,保密标贴粘贴位置说明
- keras+learning
- Windows与macOS水火不容？有了它一切搞定
- 全球及中国液压机行业应用范围调研及投资策略预测报告2022-2028年
- 目标跟踪 — DSST
- 爱因斯坦谜题的真正答案
- 百度地图，移动轨迹详解，逛街偶遇大神解析，受益匪浅
- 行车必备的酒精度测试仪电路设计（测试程序、论文）
- 【HCIE备考笔记】【05-ISIS】LSP知识回顾
- 苹果手机上的小圆圈在哪设置_苹果手机用流量下载软件如何设置