先找出算法的基本操作,然后计算出它们的执行次数,忽略常量、低次幂和高次幂的系数。用大O来表示时间复杂度。
常见时间复杂度:1.常数时间复杂度O(1):如果算法的执行时间不随着问题规模n的增加而增长,即使算法中有上千条语句,其执行时间也不过是一个较大的常数。此类算法的时间复杂度是O(1)。
2.对数阶O(log2n)、线性对数阶O(nlog2n),除了常数阶以外,该种效率最高。
3.O(z^2):指数阶时间复杂度,该种不实用,指数爆炸性。
4.对数阶log2n(以2为底10的对数)与lg(n)是等价的,因为对数换底公式:log(a,b)=log(c,b)/log(c,a) =》 忽略掉系数,二者等价。
5.含极限时间复杂度: 1/n 当n趋于无穷大时,1/n趋向于0,所以2*(1/n)*(1/log2n) + 4*(1/log2n) + 3=0。
复杂度与时间效率的关系: c < log2n < n < n*log2n < n2 < n3 < 2n < 3n < n! (c是一个常量)
|--------------------------|--------------------------|-------------|
较好 一般 较差
int num1, num2; for(int i=0; i<n; i++){ num1 += 1; for(int j=1; j<=n; j*=2) { num2 += num1; } }