《时间复杂度的计算》

一:为什么要计算时间复杂度?

  - 一说起时间复杂度,就和算法扯上了关系,那么就有了一个问题,在我们写好了一个算法之后,如何测试这个算法的好或者不好呢?

 

    - 事后统计法,指的是在算法完成之后,通过实际的运行来检验算法的好坏。但是,这样也有两个致命的缺点

      - 如果算法不行,那么我们实际运行图了个什么?

      - 机器性能一会好一会不行怎么破?

 

    - 因为 事后统计法 的不靠谱,所以我们采用了 事前分析 的方法,也就是我们说的 时间复杂度。

      - 不过因为是事前统计,其算法本身也并没有通过实际环境的检验

      - 所以,时间复杂度,其实只是一个度量,不是真正的运行时间的投影。

      - 也就是说只是给了你一个尺子去量一下这个算法的耗时,不是这个算法实现以后真的会耗时多少,也不是两个不同的算法的耗时比例真的可以这么比。

 

二:时间复杂度的定义?

  -  语句执行次数 T(n)问题规模 n 的函数

  -  继而分析 T(n) 随着 n 的变化并确定 T(n) 的量级

  -  记做 T(n) = O(f(n)), 表示随着 n 的增大,时间的增长率 和 fn 增长率相同

  -  一般用 O() 表示,也称 大 (O) 记法

  - 简单来说,记住这个公式 f(n) = n 

 

三:如何计算算法的时间复杂度?

  - 推导大 O() 计数法

    - 用常数 1 来代替 运行时间的加法常数

    - 在修改后的运行次函数中,只保留最高阶

    - 如果最高阶存在且不是1,则去除这个项相乘的常数

  - 下面来尝试如何计算时间复杂度

 

四:常数阶O (1)

  • <?php
        $sum = 0;                    // 执行一次
        $n = 100;                    // 执行一次
        $sum = (1 + n) * n/2;        // 执行一次
        print_r($sum);               // 执行一次

  - 按照定义,这个算法的运行次数是 f(n) = 4, 根据我们的 大 O 推导算法, 第一步就是将 4 变为 1。

  - 在保留最高阶时,发现这个算法也没有最高阶,所以这个算法的时间复杂度为 O(1)

 

  • <?php
        // 如果执行10次呢
        $sum = 0;                    // 执行一次
        $n = 100;                    // 执行一次
        $sum = (1 + n) * n/2;        // 执行一次
        $sum = (1 + n) * n/2;        // 执行一次
        $sum = (1 + n) * n/2;        // 执行一次
        $sum = (1 + n) * n/2;        // 执行一次
        $sum = (1 + n) * n/2;        // 执行一次
        print_r($sum);               // 执行一次

  - 事实上无论 n 为多少,都是时间恒定的算法,也是为常数阶 O(1)

 

 五:线性阶O (n)

  • <?php
        $n = n;
        foreach ($n as $v) {
            // 时间复杂度为 O(1) 的序列
        }

  -  按照定义,这个算法的运行次数是 f(n) = n, 根据我们的 大 O 推导算法,保存最高阶的 1,

  - 也是为线性阶 O(n)

 

 六:对数阶O (logn)

  • <?php
        $count = 1;
        while ($count < n) {
            $count = $count * 2;
            // 时间复杂度为 O(1) 的序列
       }

  - 由于 count 每次 X2 ,有多少个 2 相乘后,便会退出循环。

  - 由 2x=n 得到 x = log2n

  - 对数阶O (logn)

 

 七:平方阶O (n2)

  • <?php
        foreach ($n as $v) {
            func($v);
        }
    
        function func () {
            for ($i = 0; $i < n; $i++) {
                // 时间复杂度为 O(1) 的
            }
        }

  - 外层调用了一个循环,循环 n 次去执行 func 函数

  - func 函数内部又执行一次循环输出

  - 也就是说,这个算法一共执行了 f(n) = n2

  • // 等价于
    <?php
        foreach ($n as $v) {
            for ($i = 0; $i < n; $i++) {
                // 时间复杂度为 O(1) 的
            }
        }

  - 也就是 平方阶O (n2)

 

七:时间复杂度耗时大小排列(越小越好)

  - O(1) < O(logn) < O(n) < O(nlogn) < O(n2) < O(n3) < O(2n) < O(n!) < O(1) < O(nn)

  - 一般超过 O(n2) 的,时间太长,就不做计算了,也就是说,一个算法,最长耗时不能超过 O(n2)

 

    原文作者:Zzz哈
    原文地址: https://www.cnblogs.com/25-lH/p/10408611.html
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞