欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

算法的时间复杂度分析 博客分类: 数据结构java算法 算法时间复杂度

程序员文章站 2024-03-24 21:26:28
...

2.9.1 算法时间复杂度定义

 

        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的变化情况并确定T(n)的数量级。算法的时间复杂度,也就是 算法的时间量度,记作:T(n) = O(f(n))。它表示随问题规模n的增大,算法执行时间的增长率和f(n)的增长率相同,称作算法的渐近时间复杂度,简称为时间复杂度。其中f(n)是 问题规模n的某个函数。

 

        这样用大写O()来体现算法时间复杂度的记法,我们称之为大O记法。
        一般情况下,随着n的增大,T(n)增长最慢的算法为最优算法。
        显然,由此算法时间复杂度的定义可知,我们的三个求和算法的时间复杂度分别为O(n),O(1),O(n2)。我们分别给它们取了非官方的名称,O(1)叫常数阶,O(n)叫线性阶,O(n2)叫平方阶,当然,还有其他的一些阶,我们之后会介绍。

 

2.9.2 推导大O阶方法

 

        那么如何分析一个算法的时间复杂度呢?即如何推导大O阶呢?我们给出了下面的推导方法,基本上,这也就是总结前面我们举的例子

 

推导大O阶 1.用常数1取代运行时间中的所有加法常数。
2.在修改后的运行次数函数中,只保留最高阶项。
3.如果最高阶项存在且不是1,则去除与这个项相乘的常数。
得到的结果就是大O阶。

 

        哈,仿佛是得到了游戏攻略一样,我们好像已经得到了一个推导算法时间复杂度的万能公式。可事实上,分析一个算法的时间复杂度,没有这么简单,我们还需要多看几个例子。

 

2.9.3 常数阶
        首先顺序结构的时间复杂度。下面这个算法,也就是刚才的第二种算法,为什么时间复杂度不是O(3),而是O(1)。

 

 

 

Java代码  算法的时间复杂度分析
            
    
    博客分类: 数据结构java算法 算法时间复杂度
  1. int sum = 0,n = 100;  /*执行一次*/  
  2. sum = (1+n)*n/2;   /*执行一次*/  
  3. printf("%d", sum);  /*执行一次*/  

 

 

 

        这个算法的运行次数函数是f(n)=3。根据我们推导大O阶的方法,第一步就是把常数项3改为1。在保留最高阶项时发现,它根本没有最高阶项,所以这个算法的时间复杂度为O(1)。
        另外,我们试想一下,如果这个算法当中的语句sum=(1+n)*n/2有10句,即:

 

 

 

Java代码  算法的时间复杂度分析
            
    
    博客分类: 数据结构java算法 算法时间复杂度
  1. int sum = 0, n = 100/*执行一次*/  
  2. sum = (1+n)*n/2;   /*执行第1次*/  
  3. sum = (1+n)*n/2;   /*执行第2次*/  
  4. sum = (1+n)*n/2;   /*执行第3次*/  
  5. sum = (1+n)*n/2;   /*执行第4次*/  
  6. sum = (1+n)*n/2;   /*执行第5次*/  
  7. sum = (1+n)*n/2;   /*执行第6次*/  
  8. sum = (1+n)*n/2;   /*执行第7次*/  
  9. sum = (1+n)*n/2;   /*执行第8次*/  
  10. sum = (1+n)*n/2;   /*执行第9次*/  
  11. sum = (1+n)*n/2;   /*执行第10次*/  
  12. printf("%d",sum);  /*执行一次*/   

 

 

 

        事实上无论n为多少,上面的两段代码就是3次和12次执行的差异,这种与问题的大小无关(n的多少),执行时间恒定的算法,我们称之为具有O(1)的时间复杂度,又叫常数阶。
        注意,不管这个常数是多少,我们都记作O(1),而不能是O(3)、O(12)等其他任何数字。这是初学者常常犯的错误。
        对于分支结构而言,无论是真,还是假,执行的次数都是恒定的,不会随着n的变大而发生变化,所以单纯的分支结构(不包含在循环结构中),其时间复杂度也是O(1)。

 

2.9.4 线性阶
        循环结构就会复杂很多。要确定某个算法的阶次,我们常常需要确定某个特定语句或某个语句集运行的次数。因此,我们要分析算法的复杂度,关键就是要分析循环结构的运行情况。
        下面这段代码,它的循环的时间复杂度为O(n)。因为循环体中的代码须要执行n次。

 

 

 

Java代码  算法的时间复杂度分析
            
    
    博客分类: 数据结构java算法 算法时间复杂度
  1. int i;  
  2. for(i = 0; i < n; i++)  
  3. {  
  4.    /*时间复杂度为O(1)的程序步骤序列*/  
  5. }  
 

 

2.9.5 对数阶
        那么下面的这段代码,时间复杂度又是多少呢?

 

 

 

Java代码  算法的时间复杂度分析
            
    
    博客分类: 数据结构java算法 算法时间复杂度
  1. int count = 1;  
  2. while (count < n)  
  3. {  
  4.    count = count * 2;  
  5.    /*时间复杂度为O(1)的程序步骤序列*/  
  6. }  
 

 

        由于每次count乘以2之后,就距离n更近了一分。也就是说,有多少个2相乘后大于n,则会退出循环。由2x=n得到x=log2n。所以这个循环的时间复杂度为O(logn)。

 

2.9.6 平方阶
        下面的例子是一个循环嵌套,它的内循环刚才我们已经分析过,时间复杂度为O(n)。

 

 

 

Java代码  算法的时间复杂度分析
            
    
    博客分类: 数据结构java算法 算法时间复杂度
  1. int i,j;  
  2. for(i = 0; i < n; i++)  
  3. {  
  4.    for (j = 0; j < n;j++)                         
  5.    {                                        
  6.        /*时间复杂度为O(1)的程序步骤序列*/  
  7.    }                                        
  8. }  

 

 

 

        而对于外层的循环,不过是内部这个时间复杂度为O(n)的语句,再循环n次。所以这段代码的时间复杂度为O(n2)。
        如果外循环的循环次数改为了m,时间复杂度就变为O(m×n)。

 

 

 

Java代码  算法的时间复杂度分析
            
    
    博客分类: 数据结构java算法 算法时间复杂度
  1. int i,j;  
  2. for(i = 0; i < m; i++)  
  3. {  
  4.    for (j = 0; j < n; j++)                  
  5.    {                                        
  6.        /*时间复杂度为O(1)的程序步骤序列*/  
  7.    }                                        
  8. }  
 

 

        所以我们可以总结得出,循环的时间复杂度等于循环体的复杂度乘以该循环运行的次数。
        那么下面这个循环嵌套,它的时间复杂度是多少呢?

 

 

 

Java代码  算法的时间复杂度分析
            
    
    博客分类: 数据结构java算法 算法时间复杂度
  1. int i,j;  
  2. for(i = 0; i < n; i++)  
  3. {  
  4.     for (j = i; j < n; j++)  /*注意int j = i而不是0*/  
  5.     {                                        
  6.           /*时间复杂度为O(1)的程序步骤序列*/  
  7.     }                                        
  8. }  
 

 

              由于当i = 0时,内循环执行了n次,当i = 1时,执行了n-1次,……当i = n-1时,内循环执行了1次。所以总的执行次数为算法的时间复杂度分析
            
    
    博客分类: 数据结构java算法 算法时间复杂度

 

 

 

       

 

 

 

         用我们推导大O阶的方法,第一条,没有加法常数不予考虑;第二条,只保留最高阶项,因此保留n2/2;第三条,去除这个项相乘的常数,也就是去除1/2,最终这段代码的时间复杂度为O(n2)。
        从这个例子,我们也可以得到一个经验,其实理解大O推导不算难,难的是对数列的一些相关运算,这更多的是考察你的数学知识和能力,所以想考研的朋友,要想在求算法时间复杂度这里不失分,可能需要强化你的数学,特别是数列方面的知识和解题能力。
        我们继续看例子,对于方法调用的时间复杂度又如何分析。

 

 

 

Java代码  算法的时间复杂度分析
            
    
    博客分类: 数据结构java算法 算法时间复杂度
  1. int i,j;  
  2. for(i = 0; i < n; i++)  
  3. {  
  4.    function(i);  
  5. }  
  

 

              上面这段代码调用一个函数function。

 

Java代码  算法的时间复杂度分析
            
    
    博客分类: 数据结构java算法 算法时间复杂度
  1. void function(int count)  
  2. {  
  3.    print(count);  
  4. }  
 

 

       函数体是打印这个参数。其实这很好理解,function函数的时间复杂度是O(1)。所以整体的时间复杂度为O(n)。
       假如function是下面这样的:

 

 

 

Java代码  算法的时间复杂度分析
            
    
    博客分类: 数据结构java算法 算法时间复杂度
  1. void function(int count)  
  2. {  
  3.    int j;  
  4.    for (j = count; j < n;j++)                         
  5.    {                                        
  6.       /*时间复杂度为O(1)的程序步骤序列*/  
  7.    }      
  8. }   
 

 

        事实上,这和刚才举的例子是一样的,只不过把嵌套内循环放到了函数中,所以最终的时间复杂度为O(n2)。
        下面这段相对复杂的语句:

 

 

 

Java代码  算法的时间复杂度分析
            
    
    博客分类: 数据结构java算法 算法时间复杂度
  1. n++;       /*执行次数为1*/  
  2. function(n);     /*执行次数为n*/  
  3. int i,j;       
  4. for(i = 0; i < n; i++)  /*执行次数为n2*/  
  5. {  
  6.    function (i);  
  7. }  
  8. for(i = 0; i < n; i++)  /*执行次数为n(n + 1)/2*/  
  9. {  
  10.    for (j = i;j < n; j++)                         
  11.    {                                        
  12.         /*时间复杂度为O(1)的程序步骤序列*/  
  13.    }                                        
  14. }  
  

         它的执行次数算法的时间复杂度分析
            
    
    博客分类: 数据结构java算法 算法时间复杂度 ,根据推导大O阶的方法,最终这段代码的时间复杂度也是O(n2)。

 

本文转自:http://dsr-22.iteye.com/blog/1139218

相关标签: 算法时间复杂度