《数据结构》详解精炼:时间复杂度(1)

2.5 时间复杂度(1)

1. 时间复杂度

例题 2.5.1 : 两个 <math xmlns="http://www.w3.org/1998/Math/MathML"> n n </math>n 阶方阵 <math xmlns="http://www.w3.org/1998/Math/MathML"> A \pmb{A} </math>AA 和 <math xmlns="http://www.w3.org/1998/Math/MathML"> B \pmb{B} </math>BB 相加 <math xmlns="http://www.w3.org/1998/Math/MathML"> C = A + B \pmb{C}=\pmb{A}+\pmb{B} </math>CC=AA+BB 的算法

c 复制代码
#define MAX 20
void matrix_add(int n, int A[MAX][MAX], int B[MAX][MAX], int C[MAX][MAX])
{
    int i, j;
    for(i=0; i<n; i++){                    //语句频度:n+1
        for(j=0; j<n; j++){                //语句频度:n(n+1)
            C[i][j] = A[i][j] + B[i][j];   //语句频度:n*n
        }
    }
}

所有语句的语句频度: <math xmlns="http://www.w3.org/1998/Math/MathML"> f ( n ) = ( n + 1 ) + [ n ( n + 1 ) ] + n 2 = 2 n 2 + 2 n + 1 f(n)=(n+1)+[n(n+1)]+n^2=2n^2+2n+1 </math>f(n)=(n+1)+[n(n+1)]+n2=2n2+2n+1 。

运行时间记作 <math xmlns="http://www.w3.org/1998/Math/MathML"> T ( n ) T(n) </math>T(n) ,当问题规模 <math xmlns="http://www.w3.org/1998/Math/MathML"> n n </math>n 增大时,算法的执行时间也会增加,根据前面知识(008节:问题规模和语句频度)可知, <math xmlns="http://www.w3.org/1998/Math/MathML"> T ( n ) T(n) </math>T(n) 与 <math xmlns="http://www.w3.org/1998/Math/MathML"> f ( n ) f(n) </math>f(n) 有相同的增长率,于是使用大 O 记号:
<math xmlns="http://www.w3.org/1998/Math/MathML" display="block"> T ( n ) = O ( f ( n ) ) T(n) = O(f(n)) </math>T(n)=O(f(n))

则称之为算法的渐进时间复杂度 ,简称时间复杂度(time complexity)。

根据 009 节关于大 O 记号的知识,可知例题 2.5.1 算法的时间复杂度是: <math xmlns="http://www.w3.org/1998/Math/MathML"> T ( n ) = O ( n 2 ) T(n)=O(n^2) </math>T(n)=O(n2) 。

2. 基本语句

要估算时间复杂度,必须找出所有语句的语句频度。但是,根据大 O 记号的性质可知,最关心的应该是对时间复杂度贡献最大的语句,也就是运行次数最多的语句,这样的语句称为基本语句 (或称基本操作)。

基本语句指的是算法中重复执行次数和算法的执行时间成正比的语句,它对算法运行时间的贡献最大。

一般,以算法中最深层循环内的语句作为基本语句。

在例题 2.5.1 中,第 7 行作为基本语句。基本语句的频度为 <math xmlns="http://www.w3.org/1998/Math/MathML"> n 2 n^2 </math>n2 ,于是时间复杂度为 <math xmlns="http://www.w3.org/1998/Math/MathML"> T ( n ) = O ( n 2 ) T(n)=O(n^2) </math>T(n)=O(n2) 。

因此,估算算法的时间复杂度,关键是找出基本语句的语句频度。

例题 2.5.2:分析一下算法的时间复杂度

c 复制代码
void func(int n){
    int i=0, s=0;
    while(s < n){
        i++;
        s = s + i;
    }
}

解:本题中第 4、5 两行都是基本语句,因此关注它们的语句频度。

外层循环次数 i(i=0;i++) s(s=0;s=s+i)
1 1 1
2 2 1+2
3 3 1+2+3
4 4 1+2+3+4
<math xmlns="http://www.w3.org/1998/Math/MathML"> ⋮ \vdots </math>⋮ <math xmlns="http://www.w3.org/1998/Math/MathML"> ⋮ \vdots </math>⋮ <math xmlns="http://www.w3.org/1998/Math/MathML"> ⋮ \vdots </math>⋮
r r <math xmlns="http://www.w3.org/1998/Math/MathML"> 1 + 2 + 3 + 4 + ⋯ + r 1+2+3+4+\cdots+r </math>1+2+3+4+⋯+r

因为 s < n 为真才循环,所以:
<math xmlns="http://www.w3.org/1998/Math/MathML" display="block"> 1 + 2 + 3 + 4 + ⋯ + r < n r ( 1 + r ) 2 < n − 1 − 8 n + 1 2 < r < − 1 + 8 n + 1 2 ∵ r > 0 ∴ 0 < r < − 1 + 8 n + 1 2 \begin{split} &1+2+3+4+\cdots+r\lt n \\&\frac{r(1+r)}{2}\lt n \\ &\frac{-1-\sqrt{8n+1}}{2}\lt r\lt\frac{-1+\sqrt{8n+1}}{2} \\&\because r\gt 0 \\&\therefore~0\lt r\lt\frac{-1+\sqrt{8n+1}}{2} \end{split} </math>1+2+3+4+⋯+r<n2r(1+r)<n2−1−8n+1 <r<2−1+8n+1 ∵r>0∴ 0<r<2−1+8n+1

由于外层循环的次数,就是第 4 行语句的执行次数,即语句频度。

故:基本语句的语句频度上界是函数: <math xmlns="http://www.w3.org/1998/Math/MathML"> − 1 + 8 n + 1 2 \frac{-1+\sqrt{8n+1}}{2} </math>2−1+8n+1

所以算法的时间复杂度是: <math xmlns="http://www.w3.org/1998/Math/MathML"> T ( n ) = O ( − 1 + 8 n + 1 2 ) = O ( n ) T(n)=O(\frac{-1+\sqrt{8n+1}}{2})=O(\sqrt{n}) </math>T(n)=O(2−1+8n+1 )=O(n )

注意:本节课后的练习题,要求都使用这里所介绍的解法求解。

本文由mdnice多平台发布

相关推荐
代码吐槽菌1 小时前
基于SSM的毕业论文管理系统【附源码】
java·开发语言·数据库·后端·ssm
豌豆花下猫2 小时前
Python 潮流周刊#78:async/await 是糟糕的设计(摘要)
后端·python·ai
YMWM_2 小时前
第一章 Go语言简介
开发语言·后端·golang
码蜂窝编程官方2 小时前
【含开题报告+文档+PPT+源码】基于SpringBoot+Vue的虎鲸旅游攻略网的设计与实现
java·vue.js·spring boot·后端·spring·旅游
hummhumm2 小时前
第 25 章 - Golang 项目结构
java·开发语言·前端·后端·python·elasticsearch·golang
J老熊2 小时前
JavaFX:简介、使用场景、常见问题及对比其他框架分析
java·开发语言·后端·面试·系统架构·软件工程
AuroraI'ncoding3 小时前
时间请求参数、响应
java·后端·spring
好奇的菜鸟3 小时前
Go语言中的引用类型:指针与传递机制
开发语言·后端·golang
Alive~o.03 小时前
Go语言进阶&依赖管理
开发语言·后端·golang
许苑向上3 小时前
Dubbo集成SpringBoot实现远程服务调用
spring boot·后端·dubbo