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
|
4天前
|
数据采集 人工智能 安全
|
13天前
|
云安全 监控 安全
|
5天前
|
自然语言处理 API
万相 Wan2.6 全新升级发布!人人都能当导演的时代来了
通义万相2.6全新升级,支持文生图、图生视频、文生视频,打造电影级创作体验。智能分镜、角色扮演、音画同步,让创意一键成片,大众也能轻松制作高质量短视频。
1094 152
|
18天前
|
机器学习/深度学习 人工智能 自然语言处理
Z-Image:冲击体验上限的下一代图像生成模型
通义实验室推出全新文生图模型Z-Image,以6B参数实现“快、稳、轻、准”突破。Turbo版本仅需8步亚秒级生成,支持16GB显存设备,中英双语理解与文字渲染尤为出色,真实感和美学表现媲美国际顶尖模型,被誉为“最值得关注的开源生图模型之一”。
1770 9
|
10天前
|
人工智能 自然语言处理 API
一句话生成拓扑图!AI+Draw.io 封神开源组合,工具让你的效率爆炸
一句话生成拓扑图!next-ai-draw-io 结合 AI 与 Draw.io,通过自然语言秒出架构图,支持私有部署、免费大模型接口,彻底解放生产力,绘图效率直接爆炸。
701 152
|
12天前
|
人工智能 安全 前端开发
AgentScope Java v1.0 发布,让 Java 开发者轻松构建企业级 Agentic 应用
AgentScope 重磅发布 Java 版本,拥抱企业开发主流技术栈。
664 13
|
7天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
461 5