【 算法 】关于算法的时间复杂度

标签：循环   enter   str   border   nlog   问题   时间   center   nlogn   

之前在看一些算法书的时候，常会遇到判断算法的时间复杂度的问题，阅读了《大话数据结构》的内容，弄明白了这个问题，在这里记录一下，在以后的学习中不断补充和改正。

首先把涉及到的名词列出来

　　n　　　　    　　　　问题规模。指算法完成的任务的输入变量，比如说for循环的循环次数。

　　f(n)　　　　　　　　 操作数量。指在n次的输入规模下，代码的执行次数。

　　T(n) = O(f(n))　   　　时间复杂度。当n趋于无穷大的时候，f(n) 得到的极限值。

推导大O阶的方法：

　　1 用常数1取代运行时间中所有的加法常数

　　2 在修改后的运行次数函数中，只保留最高阶项。

　　3 如果最高阶项存在且不是1，则去除与这个项相乘的常数。

 常见的时间复杂度所耗费的时间从小到大依次为：

O(1) < O(logn) < O(n) < O(nlogn) < O(n²) < O(n³) < O(2ⁿ) < O(n!) < O(nⁿ)

【 算法 】关于算法的时间复杂度

标签：循环   enter   str   border   nlog   问题   时间   center   nlogn   

原文地址：https://www.cnblogs.com/guoqingpeng/p/12308464.html