【考研数据结构】时间复杂度

时间复杂度

关于时间复杂度，最最重要的一句话就是： 将算法中基本操作的执行次数作为时间复杂度的度量 。时间复杂度并不是执行程序所需要的时间，而是执行基本操作的总次数。

考研中，常常需要比较各个时间复杂度的大小，常用的时间复杂度比较关系为：

O(1)≤O(log ₂ (n))≤O(n)≤O(n log ₂ (n))≤O(n ² )≤O(n ³ )≤...≤O(n ^k )≤O(2 ⁿ ) *

计算时间复杂度的具体步骤如下：

1. 确定算法中的基本操作以及问题的规模
2. 根据基本操作执行情况计算出规模数n的函数f(n)，并确定时间复杂度T(n)=O(f(n)中增长最快项/此项系数)（也就是说 只考虑最高项，且忽略最高项的系数 ）

注意：有的算法中基本操作的执行次数不仅跟初始输入的数据规模有关，还和数据本身有关。比如说，一些个排序算法，同样有n个待处理的数据，但数据初始有序性不同，则基本操作的执行次数也不同。一般是依照使得基本操作执行次数最多的输入来计算时间复杂度，即最坏的情况下作为时间复杂度的度量。

例1.1 求以下算法的时间复杂度

void fun(int n)
{
    int i = 1,j = 100;
    while(i < n)
    {
        ++j;
        i+=2;
    }
}

分析：

第一步：找出基本操作，确定规模n

1. 找基本操作。多数情况下取最深层循环内的语句所描述的操作作为基本操作，显然题目中 ++j;i+=2; 这两句都是基本操作。
2. 确定规模n。由循环条件可以得知，循环执行的次数和n有关，故，参数n就是我们所说的规模n。

第二步：计算出n的函数f(n)

​ n确定之后，循环的结束与否跟i有关，i的初值为1，每次自增为2，假设i自增m次后，循环结束，则i最后的值为1+2m，因此1+2m>n，即1+2m+K=n（k为常数，弥补循环结束时i和n的差距），解的m=（n-1-K）/2，即f(n)=(n-1-K)/2，根据时间复杂度的计算原则： 只考虑最高项，且忽略最高项的系数 ，所以时间复杂度 f(n)=O(n) 。

例1.2 分析以下代码的时间复杂度

void fun(int n)
{
    int i,j,x=0;
    for(i=0;i<n;++i)
        for(j=i+1;j<n,++j)
            ++x;
}

分析：

++x;处于最内层循环，故，++x为基本操作，显然，n为规模，可以算出++x执行次数f(n)=n (n-1)/2，所以时间复杂度 f(n)=O(n ² )

例1.3 分析以下算法的时间复杂度

void fun(int n)
{
    int i=0,s=0;
    while(s<n)
    {
        ++i;
        s=s+i;
    }
}

分析：

显而易见，规模为n，基本操作是++i,和s=s+i；i和s都是从0开始，假设执行m次之后，循环结束，则循环结束之时，s的值为m(m+1)/2。所以

由此可知时间复杂度 T(n)=O(n ^1/2 )