算法时间复杂度

     算法复杂度分为时间复杂度和空间复杂度，一个好的算法应该具体执行时间短，所需空间少的特点。

     随着计算机硬件和软件的提升，一个算法的执行时间是算不太精确的。只能依据统计方法对算法进行估算。我们抛开硬件和软件的因素，算法的好坏直接影响程序的运行时间。

     我们看一下小例子：

     int value = 0;                         // 执行了1次

     for (int i = 0; i < n; i++) {       // 执行了n次

          value += i;

     }

     这个算法执行了 1 + n 次，如果n无限大，我们可以把前边的1忽略，也就是说这个算法执行了n次

     时间复杂度常用大O符号表示，这个算法的时间复杂度就是O(n).

     概念： 一般情况下，算法的基本操作重复执行的次数是模块n的某一函数f(n),因此，算法的时间复杂度记做 T(n) = O(f(n))。 随着模块n的增大，算法执行的时间增长率f(n)的增长率成正比，所以f(n)越小，算法 的时间复杂度越低，算法的效率越高。

     计算时间复杂度

     1.去掉运行时间中的所有加法常数。

     2.只保留最高阶项。

     3.如果最高阶项存在且不是1，去掉与这个最高阶相乘的常数得到时间复杂度

 

我们看一个例子

     for (int i = 0; i < n; i++) {

          for (int j = i; j < n; j++) {

               // do .....

          }

     }

当 i = 0 时 里面的fo循环执行了n次，当i等待1时里面的for循环执行了n -  1次，当i 等于2里里面的fro执行了n - 2次........所以执行的次数是

根据我们上边的时间复杂度算法

     1.去掉运行时间中的所有加法常数： 没有加法常数不用考虑

     2.只保留最高阶项:　只保留 

     3. 去掉与这个最高阶相乘的常数:  去掉  只剩下 

     最终这个算法的时间复杂度为

 

再看一个线性的

      for ( int i = 0; i < n; i++) {

          // do .....

     }

     因为循环要执行n次所以时间复杂度为O(n)

 

其它的我也就不一个一个算了，下面给出了常用的时间复杂度

 

排序法	最差时间分析	平均时间复杂度	稳定度	空间复杂度
冒泡排序	O(n2)	O(n2)	稳定	O(1)
快速排序	O(n2)	O(n*log2n)	不稳定	O(log2n)~O(n)
选择排序	O(n2)	O(n2)	稳定	O(1)
二叉树排序	O(n2)	O(n*log2n)	不一顶	O(n)
插入排序	O(n2)	O(n2)	稳定	O(1)
堆排序	O(n*log2n)	O(n*log2n)	不稳定	O(1)
希尔排序	O	O	不稳定	O(1)