函數定義:
在計算機科學中,算法的時間複雜度是一個函數,它定量描述了該算法的運行時間。這是一個關於代表算法輸入值的字符串的長度的函數。時間複雜度常用大O符號表述,不包括這個函數的低階項和首項係數。
算法複雜度:
算法複雜度分爲時間複雜度和空間複雜度。其作用: 時間複雜度是指執行算法所需要的計算工作量;而空間複雜度是指執行這個算法所需要的內存空間。(算法的複雜性體現在運行該算法時的計算機所需資源的多少上,計算機資源最重要的是時間和空間(即寄存器)資源,因此複雜度分爲時間和空間複雜度)。
時間複雜度:
計算方法:
1. 一般情況下,算法中基本操作重複執行的次數是問題規模n的某個函數,用T(n)表示,若有某個輔助函數f(n),使得當n趨近於無窮大時,T(n)/f(n)的極限值爲不等於零的常數,則稱f(n)是T(n)的同數量級函數。記作T(n)=O(f(n)),稱O(f(n))
爲算法的漸進時間複雜度,簡稱時間複雜度。
分析:隨着模塊n的增大,算法執行的時間的增長率和
f(n) 的增長率成正比,所以 f(n) 越小,算法的時間複雜度越低,算法的效率越高。
2. 在計算時間複雜度的時候,先找出算法的基本操作,然後根據相應的各語句確定它的執行次數,再找出
T(n) 的同數量級(它的同數量級有以下:1,log2n,n,n
log2n
,n的平方,n的三次方,2的n次方,n!),找出後,f(n) = 該數量級,若 T(n)/f(n) 求極限可得到一常數c,則時間複雜度T(n) = O(f(n))
1
2
3
4
5
6
7
8
9
|
for (i=1; i<=n; ++i) { for (j=1; j<=n; ++j) { c[i][j] = 0; //該步驟屬於基本操作執行次數:n的平方次 for (k=1; k<=n; ++k) c[i][j] += a[i][k] * b[k][j]; //該步驟屬於基本操作執行次數:n的三次方次 } } |
則有
f(n) = n的三次方,然後根據 T(n)/f(n) 求極限可得到常數c
則該算法的時間複雜度:T(n)
= O(n^3) 注:n^3即是n的3次方。
3.
在pascal中比較容易理解,容易計算的方法是:看看有幾重for循環,只有一重則時間複雜度爲O(n),二重則爲O(n^2),依此類推,如果有二分則爲O(logn),二分例如快速冪、二分查找,如果一個for循環套一個二分,那麼時間複雜度則爲O(nlogn)。
分類:
按數量級遞增排列,常見的時間複雜度有:
常數階O(1),對數階O(
線性對數階O(nlog2n),平方階O(n^2),立方階O(n^3),...,
k次方階O(n^k),指數階O(2^n)。隨着問題規模n的不斷增大,上述時間複雜度不斷增大,算法的執行效率越低。