这里告诉你如何计算算法的时间复杂度（大O阶）

前言

该文章已经进行了一次排版的优化。

关于时间复杂度

在计算机科学中，算法的时间复杂度（Time complexity）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。例如，如果一个算法对于任何大小为 n （必须比n0大）的输入，它至多需要5n3 + 3n的时间运行完毕，那么它的渐近时间复杂度是O(n3)。源自:wikipedia

为了计算时间复杂度，我们通常会估计算法的操作单元数量，每个单元运行的时间都是相同的。因此，总运行时间和算法的操作单元数量最多相差一个常量系数。
Step：

用常数1替代语句频度中所有的加法项；
在1 的结果中，只保留数的最高项；
最高阶项若系数不为1，则去除系数（或是改为1）。

如果你没看懂，那继续往下看，笔者以例子与你详细介绍。
例子1

for(int sum=0,i = 0;i < N;i++)  //1、for(int j = 0;j <N;j++)     //2、sum=sum+i*j;           //3、

我们以一个语句记为1次，来：

1行这里定义两个变量共一次，而中间循环，理论是判断是N次,但是实际上应该是N+1，最后等于N时还有判断1次即0~N，故为N+1，循环变量的递增一共是N次，其语句频度为:
O 1 = 1 + ( N + 1 ) + N (1.1) O_1=1+(N+1)+N \tag{1.1} O1=1+(N+1)+N(1.1)
2行这里第一个循环进入第二个循环，一共是N次，那么将会定义N次。单独分析判断语句它将会像第一层循环一样，一个判断N次，再算上第一次循环进入第二次循环共有N次，故为N * (N+1)，后面类似N*N，其语句频度为:
O 2 = N + N ∗ ( N + 1 ) + N ∗ N (1.2) O_2=N+N*(N+1)+N*N\tag{1.2} O2=N+N∗(N+1)+N∗N(1.2)
第二层循环进入最里面语句N次，第一层循环进入第二层循环共N次，故实际为N * N次。其语句频度为:
O 3 = N ∗ N (1.3) O_3=N*N\tag{1.3} O3=N∗N(1.3)
那么将上述的（1.1）、（1.2）、（1.3）式子求和一下，就得这个程序的总的语句频次，并保留最高项数N * N，就得到了该程序的算法时间复杂度。
O ( N 2 ) = O 1 + O 2 + O 3 (1.4) O(N^2)=O_1+O_2+O_3\tag{1.4} O(N2)=O1+O2+O3(1.4)

例子2

int j = 0;
for(int sum = 0,i = 1;i < N;i = i*2)   //1、sum = sum+i*j;             //2、

看到这程序片段，你是不是一眼就得出答案了？如果你不注意的话，你的答案肯定是O(N)，对了吗？
先告诉你答案为O(log(N)) 不是这个答案的，你可以试试代个确切的N值进去看一下次数,自己体会一下，那么下面我和大家一起分析下：

注释1的语句频度为：
O 1 = 1 + l o g 2 N + 1 + l o g 2 N (2.1) O_1=1+log_2{N}+1+log_2{N}\tag{2.1} O1=1+log2N+1+log2N(2.1)
注释2的语句频度为：
O 2 = l o g 2 N (2.2) O2=log_2{N}\tag{2.2} O2=log2N(2.2)
总的算法时间复杂度为：
O ( l o g 2 N ) = O 1 + O 2 (2.3) O(log_2{N})=O_1+O_2\tag{2.3} O(log2N)=O1+O2(2.3)

其实这里做判断的时候，应该看一下循环变量的递增方式，这里它是i=i*2 也就是 2^x=N，那么X=log2(N),x就是次数，在计算复杂度里面，一般省略底数，也就是直接写log(N),其他的计算方法与上面的解释一致。

例子3

for(int sum=0,i = 0;i<N;i++)        //1、for(int j = 1;j < N;j = j*2)     //2、sum=sum+i*j;                //3、

答案分析:

注释1的语句频度为：
O 1 = 1 + N + 1 + N (3.1) O_1=1+N+1+N\tag{3.1} O1=1+N+1+N(3.1)
注释2的语句频度为：
O 2 = N + N ∗ ( l o g 2 N + 1 ) + N ∗ l o g 2 N (3.2) O_2=N+N*(log_2{N}+1)+N*log_2{N}\tag{3.2} O2=N+N∗(log2N+1)+N∗log2N(3.2)
注释3的语句频度为：
O 3 = N ∗ l o g 2 N (3.3) O_3=N*log_2{N}\tag{3.3} O3=N∗log2N(3.3)
总的算法时间复杂度为：
O ( N ∗ l o g 2 N ) = O 1 + O 2 + O 3 O(N*log_2{N})=O_1+O_2+O_3 O(N∗log2N)=O1+O2+O3

如果你认真仔细地边看边思考，那么我相信你应该是能够理解如何去计算时间复杂度了，那么任何程序相信在你们自己的简单化下，应该都能分出它们的大致大O阶。
那么，关于算法的时间复杂度就描述到这里。谢谢你的浏览，如果你喜欢的话，记得点个赞。

欢迎前往我的个人博客,该文章已同步至我的个人博客: 遇见山人

这里告诉你如何计算算法的时间复杂度（大O阶）相关推荐

如何计算算法的时间复杂度
原地址:http://www.nowamagic.net/librarys/veda/detail/2195 在进行算法分析时,语句总的执行次数T(n)是关于问题规模n的函数,进而分析T(n)随n的变 ...
简单分析算法的时间复杂度
目录一.什么是算法的时间复杂度二.如何分析一个算法的时间复杂度 1.有确定次数的算法 2.次数不确定的算法一.什么是算法的时间复杂度时间复杂度是一个函数 ,定性描述一个算法(程 ...
算法的时间复杂度详解
算法的时间复杂度是衡量一个算法效率的基本方法.在阅读其他算法教程书的时候,对于算法的时间复杂度的讲解不免有些生涩,难以理解.进而无法在实际应用中很好的对算法进行衡量. <大话数据结构>一书 ...
算法的时间复杂度和空间复杂度评估
通常,对于一个给定的算法,我们要做两项分析.第一是从数学上证明算法的正确性,这一步主要用到形式化证明的方法及相关推理模式,如循环不变式.数学归纳法等.而在证明算法是正确的基础上,第二部就是分析算法的 ...
【数据结构与算法 10】算法的时间复杂度和空间复杂度
最近在研究数据结构与算法,在B站中找到了小甲鱼的<数据结构与算法课程>,挺有意思的! 尚硅谷Java数据结构与java算法,韩顺平数据结构与算法对于一个算法来说,分析有两步,第一是从数学 ...
[算法基础]--时间复杂度和空间复杂度
感谢原文作者:https://blog.csdn.net/zolalad/article/details/11848739 算法的时间复杂度和空间复杂度-总结通常,对于一个给定的算法,我们要做两项 ...
计算算法的时间复杂度和空间复杂度
算法的时间复杂度和空间复杂度-总结通常,对于一个给定的算法,我们要做两项分析.第一是从数学上证明算法的正确性,这一步主要用到形式化证明的方法及相关推理模式,如循环不变式.数学归纳法等.而在证明算法 ...
算法的时间复杂度（python版容易理解）+常用的时间复杂度、python代码--数据结构
https://blog.csdn.net/hanhanwanghaha宝藏女孩欢迎您的关注! 欢迎关注微信公众号:宝藏女孩的成长日记如有转载,请注明出处(如不注明,盗者必究) 目录一.算法时间 ...
算法的时间复杂度[ZT]
定义: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),它是n的某一函数 T(n)称为这一算法的"时间复杂性". 当输入量n逐渐加大时,时间复杂性的极限情形称为算 ...

这里告诉你如何计算算法的时间复杂度（大O阶）

前言

关于时间复杂度

这里告诉你如何计算算法的时间复杂度（大O阶）相关推荐

最新文章

热门文章