算法时间复杂度计算示例.docVIP

基本计算步骤?示例：?(1) int num1, num2;(2) for(int i=0; in; i++){?(3) ? ? num1 += 1;(4) ? ? for(int j=1; j=n; j*=2){?(5) ? ? ? ? num2 += num1;(6) ? ? }(7) }?分析步骤Step1.分析各条语句执行时间，得到算法（实际）复杂性语句int num1, num2;的频度为1；语句i=0;的频度为1；语句in; i++; num1+=1; j=1; 的频度为n；语句j=n; j*=2; num2+=num1;的频度为n*log2n；T(n) = 2 + 4n + 3n*log2nstep2. 计算渐进复杂性忽略掉T(n)中的常量、低次幂和最高次幂的系数 f(n) = n*log2n { 可省略： lim(T(n)/f(n)) = (2+4n+3n*log2n) / (n*log2n)? ? ? ? ? ? ? ? ? ? = 2*(1/n)*(1/log2n) + 4*(1/log2n) + 3 当n趋向于无穷大，1/n趋向于0，1/log2n趋向于0极限等于3。T(n) = O(n*log2n)简化的计算步骤?再来分析一下，可以看出，决定算法复杂度的是执行次数最多的语句，这里是num2 += num1，一般也是最内循环的语句。并且，通常将求解极限是否为常量也省略掉？于是，以上步骤可以简化为：?1. 找到执行次数最多的语句?2. 计算语句执行次数的数量级3. 用大O来表示结果?继续以上述算法为例，进行分析：1.执行次数最多的语句为num2 += num12. T(n) = n*log2nf(n) = n*log2n3. // lim(T(n)/f(n)) = 1T(n) = O(n*log2n) ? --------------------------------------------------------------------------------一些补充说明?最坏时间复杂度?? ?算法的时间复杂度不仅与语句频度有关，还与问题规模及输入实例中各元素的取值有关。一般不特别说明，讨论的时间复杂度均是最坏情况下的时间复杂度。这就保证了算法的运行时间不会比任何更长。求数量级?即求对数值(log)，默认底数为10，简单来说就是“一个数用标准科学计数法表示后，10的指数”。例如，5000=5x10 3 (log5000=3) ，数量级为3。另外，一个未知数的数量级为其最接近的数量级，即最大可能的数量级。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 --------------------------------------------------------------------------------------------------复杂情况的分析?以上都是对于单个嵌套循环的情况进行分析，但实际上还可能有其他的情况，下面将例举说明。1.并列循环的复杂度分析?将各个嵌套循环的时间复杂度相加。例如：　　for (i=1; i=n; i++)　　 ? ?x++;　　for (i=1; i=n; i++)　　 ? ?for (j=1; j=n; j++)　　 ? ? ? ?x++;解：第一个for循环T(n) = nf(n) = n时间复杂度为Ο(n)第二个for循环T(n) = n2f(n) = n2时间复杂度为Ο(n2)整个算法的时间复杂度为Ο(n+n2) = Ο(n2)。2.函数调用的复杂度分析?例如：public void printsum(int count){? ?int sum = 1;? ?for(int i= 0; in; i++){? ? ? sum += i;? ?} ? ? ?System.out.print(sum);}分析：记住，只有可运行的语句才会增加时间复杂度，因此，上面方法里的内容除了循环之外，其余的可运行语句的复杂度都是O(1)。所以printsum的时间复杂度 = for的O(n)+O(1) = 忽略常量 = O(n)*这里其实可以运用公式 num = n*(n+1)/