2.9.6 平方阶
下面例子是一个循环嵌套,它的内循环刚才我们已经分析过,时间复杂度为O(n)。
- int i,j;
- for(i = 0; i < n; i++)
- {
- for (j = 0; j < n; j++)
- {
- /*时间复杂度为O(1)的程序步骤序列*/
- }
- }
而对于外层的循环,不过是内部这个时间复杂度为O(n)的语句,再循环n次。所以这段代码的时间复杂度为O(n2)。
如果外循环的循环次数改为了m,时间复杂度就变为O(m×n)。
- int i,j;
- for(i = 0; i < m; i++)
- {
- for (j = 0; j < n; j++)
- {
- /*时间复杂度为O(1)的程序步骤序列*/
- }
- }
所以我们可以总结得出,循环的时间复杂度等于循环体的复杂度乘以该循环运行的次数。
那么下面这个循环嵌套,它的时间复杂度是多少呢?
- int i,j;
- for(i = 0; i < n; i++)
- {
- for (j = i; j < n; j++) /*注意int j = i而不是0*/
- {
- /*时间复杂度为O(1)的程序步骤序列*/
- }
- }
由于当i = 0时,内循环执行了n次,当i = 1时,执行了n-1次,……当i = n-1时,内循环执行了1次。所以总的执行次数为
用我们推导大O阶的方法,第一条,没有加法常数不予考虑;第二条,只保留最高阶项,因此保留n2/2;第三条,去除这个项相乘的常数,也就是去除1/2,最终这段代码的时间复杂度为O(n2)。
从这个例子,我们也可以得到一个经验,其实理解大O推导不算难,难的是对数列的一些相关运算,这更多的是考察你的数学知识和能力,所以想考研的朋友,要想在求算法时间复杂度这里不失分,可能需要强化你的数学,特别是数列方面的知识和解题能力。
我们继续看例子,对于方法调用的时间复杂度又如何分析。
- int i,j;
- for(i = 0; i < n; i++)
- {
- function(i);
- }
上面这段代码调用一个函数function。
- void function(int count)
- {
- print(count);
- }
函数体是打印这个参数。其实这很好理解,function函数的时间复杂度是O(1)。所以整体的时间复杂度为O(n)。
假如function是下面这样的:
- void function(int count)
- {
- int j;
- for (j = count; j < n; j++)
- {
- /*时间复杂度为O(1)的程序步骤序列*/
- }
- }
事实上,这和刚才举的例子是一样的,只不过把嵌套内循环放到了函数中,所以最终的时间复杂度为O(n2)。
下面这段相对复杂的语句:
- n++; /*执行次数为1*/
- function(n); /*执行次数为n*/
- int i,j;
- for(i = 0; i < n; i++) /*执行次数为n2*/
- {
- function (i);
- }
- for(i = 0; i < n; i++) /*执行次数为n(n + 1)/2*/
- {
- for (j = i;j < n; j++)
- {
- /*时间复杂度为O(1)的程序步骤序列*/
- }
- }
它的执行次数 ,根据推导大O阶的方法,最终这段代码的时间复杂度也是O(n2)。