时间复杂度分析(上)

小漆同学

于 2019-11-12 20:19:32 发布

阅读量3.8k

点赞数 5

CC 4.0 BY-SA版权

分类专栏：数据结构与算法

本文链接：https://blog.csdn.net/qq_35974759/article/details/103031600

本文介绍了时间复杂度分析的重要性，讲解了大 O 复杂度表示法，阐述了常见的时间复杂度量级如 O(1)、O(logn)、O(nlogn)、O(m+n)、O(m*n)。通过实例解析了加法法则和乘法法则，并探讨了非多项式量级的时间复杂度问题，强调了进行复杂度分析对优化代码性能的意义。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

为什么会有时间复杂度分析？

数据结构和算法解决的就是‘快’和‘省’的问题，即如何让代码跑的更快，更省存储空间。

大 O 复杂度表示法

算法的执行效率，粗略地讲，就是算法代码执行的时间

只关注循环执行次数最多的一段代码
大 O 这种复杂度表示方法只是表示一种变化趋势，我们通常会忽略掉公式中的常量、低阶、系数，只需要记录一个最大阶的量级就可以了。所以在分析一个算法、一段代码的时间复杂度的时候，也只关注循环执行次数最多的那一段代码就可以了


 int cal(int n) {
   int sum = 0;
   int i = 1;
   for (; i <= n; ++i) {
     sum = sum + i;
   }
   return sum;
 }

时间复杂度为O(n), n表示的是执行次数，代码的执行时间为T(n)

加法法则：总复杂度等于量级最大的那段代码的复杂度


int cal(int n) {
   int sum_1 = 0;
   int p = 1;
   for (; p < 100; ++p) {
     sum_1 = sum_1 + p;
   }

   int sum_2 = 0;
   int q = 1;
   for (; q < n; ++q) {
     sum_2 = sum_2 + q;
   }
 
   int sum_3 = 0;
   int i = 1;
   int j = 1;
   for (; i <= n; ++i) {
     j = 1; 
     for (; j <= n; ++j) {
       sum_3 = sum_3 +  i * j;
     }
   }
 
   return sum_1 + sum_2 + sum_3;
 }

第一段：循环100次，因为循环次数100是常量