第五课 算法的时间复杂度

标签：使用   display   数据   com   是什么   完全   .com   运行   bsp   

　　判断一个算法的效率时，操作数量中的常数项和其他次要项常常可以忽略，只需要关注最高阶项就能得出结论。

如何用符号定性的判断算法的效率呢？

　　算法的复杂度：

时间复杂度：

　　算法运行后对时间需求量的定性描述。

空间复杂度：

　　算法运行后对空间复杂度的定性描述。

数据结构课程重点关注的是算法的效率问题，因此，整个课程会集中的讨论算法的时间复杂度，但其使用方法完全可以用于空间复杂度的判断。

大O表示法：

常见的时间复杂度：

线性时间复杂度：

对数阶时间复杂度：

平方阶时间复杂度：

下面代码片段的时间复杂度是什么：

练习1：

练习2：

func函数的时间复杂度是O(n*n)。

练习3：

test函数的时间复杂度为O(n*n*n)。

总结：

　　时间复杂度是算法运行时对于时间的需求量

　　大O表示法用于描述算法的时间复杂度

　　大O表示法只关注操作数量的最高次项

　　常见的时间复杂度为：线性阶、平方阶和对数阶。

第五课 算法的时间复杂度

标签：使用   display   数据   com   是什么   完全   .com   运行   bsp   

原文地址：https://www.cnblogs.com/wanmeishenghuo/p/9495958.html