时间复杂度

简介: 简单学习

时间复杂度
算法复杂度

算法复杂度分为时间复杂度和空间复杂度。
作用:
时间复杂度是指执行算法所需要的计算工作量。
空间复杂度是指执行这个算法所需要的内存空间。
1.时间复杂度
(1)语法执行次数
算法的语句执行次数,记为T(n)。
算法的实际语句执行次数,记为f(n)。
注:在数值上,T(n)的数量级是小于等于f(n)

(2)时间复杂度
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)),则称O(f(n)) 为算法的时间复杂度。

时间复杂度计算
一、时间复杂度引入
例如:该算法执行次数为T(n)=2

int main()
{
cout<<"Hello";//执行1次
return 0;//执行1次
}
1
2
3
4
5
例如:该算法执行次数为T(n)= (1+n + 1 + n + 1) = 2n + 3

int main() {

int n=100;//执行1次
for(int i = 0; i<n; i++) {// 执行 (n + 1) 次
    printf("Hello, World!\n");// 执行 n 次
}
return 0;// 执行 1 次

}
1
2
3
4
5
6
7
1、当 T(n) = c,c 为一个常数的时候,记该算法的时间复杂度为 O(1);如果 T(n) 不等于一个常数项时,直接将常数项省略。
例如:T(n)=n+1 忽略常数项,时间复杂度为O(n)。

2、高次项对于函数的增长速度的影响是最大的。
例如:T(n)=n+n^2 忽略低阶项,时间复杂度为O(n^2)。

3、因为函数的阶数对函数的增长速度的影响是最显著的,所以我们忽略与最高阶相乘的常数。

例如:T(n)=3n^4 忽略最高阶的系数,时间复杂度为O(n^4)。

注意:可根据下图大小关系,可对较小的进行忽略

二、时间复杂度计算
1.对于一个循环,循环体的时间复杂度为 O(n),循环次数为 m,则这个循环的时间复杂度为 O(n×m)。

int main() {

int n=100;//执行次数为1
for(int i = 0; i < n; i++) {//循环次数为n
    cout<<"Hello, World!"<<endl;// 循环体时间复杂度为 O(1)
}

}
1
2
3
4
5
6
此时时间复杂度为 O(1+n × 1),即 O(n)。

2.对于多个循环,假设循环体的时间复杂度为 O(n),各个循环的循环次数分别是a, b, c…,则这个循环的时间复杂度为O(n×a×b×c…)。分析的时候应该由里向外分析这些循环。

int main() {

int n=100;//执行次数为1
for(int i = 0; i < n; i++) {// 循环次数为 n
    for(int j = 0; j < n; j++) {// 循环次数为 n
        cout<<"Hello, World!"<<endl;// 循环体时间复杂度为 O(1)
    }
}

}
1
2
3
4
5
6
7
8
此时时间复杂度为 O(1+n × n × 1),即 O(n^2)。

3.对于条件判断语句,总的时间复杂度等于其中时间复杂度最大的路径的时间复杂度。

int main() {

int n=100;
if (n >= 0) {
    // 第一条路径时间复杂度为 O(n^2)
    for(int i = 0; i < n; i++) {
        for(int j = 0; j < n; j++) {
            cout<<"输入数据大于等于零\n"<<endl;
        }
    }
} else {
    // 第二条路径时间复杂度为 O(n)
    for(int j = 0; j < n; j++) {
        cout<<"输入数据小于零\n"<<endl;
    }
}

}

此时时间复杂度为 max(O(n^2), O(n)),即 O(n^2)。

时间复杂度分析的基本策略是:从内向外分析,从最深层开始分析。如果遇到函数调用,要深入函数进行分析。

时间复杂度的例题:

int s=1;
while(s<n)
{

s=s*2;

}

每循环一次,s就给自身乘2,乘了x次就跳出循环了。2^x=n,得x=logn。所以O(n)=logn。
二分法
一、快速排序算法模板
void quick_sort(int q[], int l, int r)
{

if (l >= r) return;

int i = l - 1, j = r + 1, x = q[l + r >> 1];
while (i < j)
{
    do i ++ ; while (q[i] < x);
    do j -- ; while (q[j] > x);
    if (i < j) swap(q[i], q[j]);
}
quick_sort(q, l, j), quick_sort(q, j + 1, r);

}

相关文章
|
8天前
|
存储 关系型数据库 分布式数据库
PostgreSQL 18 发布,快来 PolarDB 尝鲜!
PostgreSQL 18 发布,PolarDB for PostgreSQL 全面兼容。新版本支持异步I/O、UUIDv7、虚拟生成列、逻辑复制增强及OAuth认证,显著提升性能与安全。PolarDB-PG 18 支持存算分离架构,融合海量弹性存储与极致计算性能,搭配丰富插件生态,为企业提供高效、稳定、灵活的云数据库解决方案,助力企业数字化转型如虎添翼!
|
7天前
|
存储 人工智能 Java
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
本文讲解 Prompt 基本概念与 10 个优化技巧,结合学术分析 AI 应用的需求分析、设计方案,介绍 Spring AI 中 ChatClient 及 Advisors 的使用。
344 130
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
|
19天前
|
弹性计算 关系型数据库 微服务
基于 Docker 与 Kubernetes(K3s)的微服务:阿里云生产环境扩容实践
在微服务架构中,如何实现“稳定扩容”与“成本可控”是企业面临的核心挑战。本文结合 Python FastAPI 微服务实战,详解如何基于阿里云基础设施,利用 Docker 封装服务、K3s 实现容器编排,构建生产级微服务架构。内容涵盖容器构建、集群部署、自动扩缩容、可观测性等关键环节,适配阿里云资源特性与服务生态,助力企业打造低成本、高可靠、易扩展的微服务解决方案。
1331 8
|
7天前
|
人工智能 Java API
AI 超级智能体全栈项目阶段一:AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式(SDK/HTTP/SpringAI/langchain4j)
本文介绍AI大模型的核心概念、分类及开发者学习路径,重点讲解如何选择与接入大模型。项目基于Spring Boot,使用阿里云灵积模型(Qwen-Plus),对比SDK、HTTP、Spring AI和LangChain4j四种接入方式,助力开发者高效构建AI应用。
333 122
AI 超级智能体全栈项目阶段一:AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式(SDK/HTTP/SpringAI/langchain4j)
|
6天前
|
监控 JavaScript Java
基于大模型技术的反欺诈知识问答系统
随着互联网与金融科技发展,网络欺诈频发,构建高效反欺诈平台成为迫切需求。本文基于Java、Vue.js、Spring Boot与MySQL技术,设计实现集欺诈识别、宣传教育、用户互动于一体的反欺诈系统,提升公众防范意识,助力企业合规与用户权益保护。
|
18天前
|
机器学习/深度学习 人工智能 前端开发
通义DeepResearch全面开源!同步分享可落地的高阶Agent构建方法论
通义研究团队开源发布通义 DeepResearch —— 首个在性能上可与 OpenAI DeepResearch 相媲美、并在多项权威基准测试中取得领先表现的全开源 Web Agent。
1419 87
|
6天前
|
JavaScript Java 大数据
基于JavaWeb的销售管理系统设计系统
本系统基于Java、MySQL、Spring Boot与Vue.js技术,构建高效、可扩展的销售管理平台,实现客户、订单、数据可视化等全流程自动化管理,提升企业运营效率与决策能力。
|
7天前
|
弹性计算 安全 数据安全/隐私保护
2025年阿里云域名备案流程(新手图文详细流程)
本文图文详解阿里云账号注册、服务器租赁、域名购买及备案全流程,涵盖企业实名认证、信息模板创建、域名备案提交与管局审核等关键步骤,助您快速完成网站上线前的准备工作。
259 82
2025年阿里云域名备案流程(新手图文详细流程)