時間復雜度分析
O(1)
Temp=i;i=j;j=temp;
分析:
以上三條單個語句的頻度均為1,該程序段的執行時間是一個與問題規模n無關的常數。
算法的時間復雜度為常數階,記作T(n)=O(1)。
這裏的1不是1,只是表示一個常數;
如果算法的執行時間不隨著問題規模n的增加而增長,即使算法中有上千條語句,其執行時間也不過是一個較大的常數。此類算法的時間復雜度是O(1)。
O(n2)
2.1. 交換i和j的內容
sum=0; (一次)
for(i=1;i<=n;i++) (n次 )
for(j=1;j<=n;j++) (n2次 )
sum++; (n2次 )
解:T(n)=2*n2+n+1 =O(n2
2.2.
for (i=1;i<n;i++)(n-1次)
{
y=y+1; //1
for (j=0;j<=(2*n);j++)(2*n+1次)
x++; //2
}
解: 語句1的頻度是n-1
語句2的頻度是(n-1)*(2*n+1)=2*n2-n-1
f(n)=2*n2-n-1+(n-1)=2*n2-2
該程序的時間復雜度T(n)=O(n2).
O(n)
2.3.
a=0;
b=1; //1
for (i=1;i<=n;i++) //2
{
s=a+b; //3
b=a; //4
a=s; //5
}
解: 語句1的頻度:2,
語句2的頻度: n,
語句3的頻度: n-1,
語句4的頻度:n-1,
語句5的頻度:n-1,
T(n)=2+n+3(n-1)=4n-1=O(n).
O(log2n )
2.4.
i=1; //1
while (i<=n)
i=i*2; //2
解: 語句1的頻度是1,
設語句2的頻度是f(n), 則:2f(n)<=n; f(n)<=log2n
取最大值f(n)= log2n,
T(n)=O(log2n )
O(n3)
2.5.
for(i=0;i<n;i++)
{
for(j=0;j<i;j++)
{
for(k=0;k<j;k++)
x=x+2;
}
}
解: 當i=m, j=k的時候,內層循環的次數為k當i=m時, j 可以取 0,1,...,m-1 , 所以這裏最內循環共進行了0+1+...+m-1=(m-1)m/2次
所以,i從0取到n, 則循環共進行了:
0+(1-1)*1/2+...+(n-1)n/2=n(n+1)(n-1)/6所以時間復雜度為O(n3).
時間復雜度分析