Go 小白理念02-时间复杂度
算法的时间复杂度#
定义： 事前预估算法时间开销 T (n) 与问题规模 n 的关系（T 表示 “time”）
规则：
问题： T (n) = 3n + 3 (这个表达式如何简化？)
= O(n)
- 加法规则：T (n) = T1 (n) + T2 (n) = O (f (n)) + O (g (n)) = O (max (f (n), g (n))) （多项相加，只保留最高阶的项，且系数变为 1）
- 乘法规则：T (n) = T1 (n)×T2 (n) = O (f (n))×O (g (n)) = O (f (n)×g (n))（多项相乘，都保留 ）
- 算法好坏：O (1) < O (log2n) < O (n) < O (nlog2n) < O (n^2) < O (n^3) < O (2^n) < O (n!) < O (n^n)（口诀：常对幂指阶）
问题： 代码很长，如何算复杂度？
结论#
- 顺序执行的代码，常数项可以被忽略
- 只需挑循环中的一个基本操作分析它的执行次数与 n 的关系即可
- 如果有多层嵌套循环，只需关注最深层循环，循环了几次
其他#
- 数量级仅需考虑循环内，最深层嵌套的部分
- 最坏时间复杂度：最坏情况下算法的时间复杂度
- 平均时间复杂度：所有输入示例等概率出现的情况下，算法的期望运行时间
- 最好时间复杂度：最好情况下算法的时间复杂度
- 一般只考虑最坏和平均复杂度
关于 LearnKu
粤公网安备 44030502004330号
推荐文章：