演算法實現的複雜度計算

2021-07-04 18:35:37 字數 4714 閱讀 8519

一般情況下,演算法中基本操作重複執行的次數是問題規模n的某個函式,用t(n)表示,若有某個輔助函式f(n),使得當n趨近於無窮大時,t(n)/f(n)的極限值為不等於零的常數,則稱f(n)是t(n)的同數量級函式。記作t(n)=o(f(n)),稱o(f(n))為演算法的漸進時間複雜度(o是數量級的符號 ),簡稱時間複雜度。

時間複雜度是總運算次數表示式中受n的變化影響最大的那一項(不含係數)

比如:一般總運算次數表示式類似於這樣:

a*2^n+b*n^3+c*n^2+d*n*lg(n)+e*n+f

a ! =0時,時間複雜度就是o(2^n);

a=0,b<>0 =>o(n^3);

a,b=0,c<>0 =>o(n^2)依此類推

eg:

(1) 迴圈了n*n次,複雜度是o(n^2)

for(i=1;i

<=n;i++)

for(j=1;j

<=n;j++)

s++;

(2) 迴圈了(n+n-1+n-2+…+1)≈(n^2)/2,因為時間複雜度是不考慮係數的,所以也是o(n^2)

for(i=1;i

<=n;i++)

for(j=i;j

<=n;j++)

s++;

(3) 迴圈了(1+2+3+…+n)≈(n^2)/2,當然也是o(n^2)

for(i=1;i

<=n;i++)

for(j=1;j

<=i;j++)

s++;

(4) 迴圈了n-1≈n次,所以是o(n)

i=1;k=0;

while(i

<=n-1)

(5) 迴圈了(1^2+2^2+3^2+…+n^2)=n(n+1)(2n+1)/6(這個公式要記住哦)≈(n^3)/3,不考慮係數,自然是o(n^3)

for(i=1;i

<=n;i++)

for(j=1;j

<=i;j++)

for(k=1;k<=j;k++)

x=x+1;

另外,在時間複雜度中,log(2,n)(以2為底)與lg(n)(以10為底)是等價的,因為對數換底公式:

log(a,b)=log(c,b)/log(c,a)

所以,log(2,n)=log(2,10)*lg(n),忽略掉係數,二者當然是等價的

**乙個演算法執行所耗費的時間,從理論上是不能算出來的,必須上機執行測試才能知道。但我們不可能也沒有必要對每個演算法都上機測試,只需知道哪個演算法花費的時間多,哪個演算法花費的時間少就可以了。並且乙個演算法花費的時間與演算法中語句的執行次數成正比例,哪個演算法中語句執行次數多,它花費時間就多。

乙個演算法中的語句執行次數稱為語句頻度或時間頻度。記為t(n)。

在計算時間複雜度的時候,先找出演算法的基本操作,然後根據相應的各語句確定它的執行次數,再找出t(n)的同數量級(它的同數量級有以下:1,log2n,n ,nlog2n,n的平方,n的三次方,2的n次方,n!),找出後,f(n)=該數量級,若t(n)/f(n)求極限可得到一常數c,則時間複雜度t(n)=o(f(n))。

常見的時間複雜度 按數量級遞增排列,常見的時間複雜度有: 常數階o(1), 對數階o(log2n), 線性階o(n), 線性對數階o(nlog2n), 平方階o(n^2), 立方階o(n^3),…, k次方階o(n^k), 指數階o(2^n) 。

1.o(n),o(n^2), 立方階o(n^3),…, k次方階o(n^k) 為多項式階時間複雜度,分別稱為一階時間複雜度,二階時間複雜度。。。。

2.o(2^n),指數階時間複雜度,該種不實用

3.對數階o(log2n), 線性對數階o(nlog2n),除了常數階以外,該種效率最高

例:演算法:

for(i=1;i<=n;++i)

}

則有 t(n)= n^2+n^3,根據上面括號裡的同數量級,我們可以確定 n^3為t(n)的同數量級

則有f(n)= n^3,然後根據t(n)/f(n)求極限可得到常數c

則該演算法的 時間複雜度:t(n)=o(n^3)

定義:如果乙個問題的規模是n,解這一問題的某一演算法所需要的時間為t(n),它是n的某一函式

t(n)稱為這一演算法的「時間複雜性」。

當輸入量n逐漸加大時,時間複雜性的極限情形稱為演算法的「漸近時間複雜性」。

我們常用大o表示法表示時間複雜性,注意它是某乙個演算法的時間複雜性。大o表示只是說有上界,由定義如果f(n)=o(n),那顯然成立f(n)=o(n^2),它給你乙個上界,但並不是上確界,但人們在表示的時候一般都習慣表示前者。

此外,乙個問題本身也有它的複雜性,如果某個演算法的複雜性到達了這個問題複雜性的下界,那就稱這樣的演算法是最佳演算法。

「大o記法」:在這種描述中使用的基本引數是

n,即問題例項的規模,把複雜性或執行時間表達為n的函式。這裡的「o」表示量級 (order),比如說「二分檢索是 o(logn)的」,也就是說它需要「通過logn量級的步驟去檢索乙個規模為n的陣列」記法 o ( f(n) )表示當 n增大時,執行時間至多將以正比於 f(n)的速度增長。

這種漸進估計對演算法的理論分析和大致比較是非常有價值的,但在實踐中細節也可能造成差異。例如,乙個低附加代價的o(n2)演算法在n較小的情況下可能比乙個高附加代價的 o(nlogn)演算法執行得更快。當然,隨著n足夠大以後,具有較慢上公升函式的演算法必然工作得更快。

o(1):

temp=i;i=j;j=temp;
以上三條單個語句的頻度均為1,該程式段的執行時間是乙個與問題規模n無關的常數。演算法的時間複雜度為常數階,記作t(n)=o(1)。如果演算法的執行時間不隨著問題規模n的增加而增長,即使演算法中有上千條語句,其執行時間也不過是乙個較大的常數。此類演算法的時間複雜度是o(1)。

o(n^2)

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++) (n^2次 )

sum++; (n^2次 )

解:t(n)=2n^2+n+1 =o(n^2)

2.2.

for (i=1;i

i++)

解:

語句1的頻度是n-1

語句2的頻度是(n-1)*(2n+1)=2n^2-n-1

f(n)=2n^2-n-1+(n-1)=2n^2-2

該程式的時間複雜度t(n)=o(n^2).

o(n)

2.3.

a=0;

b=1; ①

for(i=1;i<=n;i++) ②

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:2^f(n)<=n;f(n)<=log2n

取最大值f(n)=

log2n,

t(n)=o(log2n )

o(n^3)

2.5.

for(i=0;i

i++)

}

解:當i=m, j=k的時候,內層迴圈的次數為k當i=m時, j 可以取 0,1,…,m-1 , 所以這裡最內迴圈共進行了0+1+…+m-1=(m-1)m/2次所以,i從0取到n, 則迴圈共進行了: 0+(1-1)*1/2+…+(n-1)n/2=n(n+1)(n-1)/6所以時間複雜度為o(n^3).

我們還應該區分演算法的最壞情況的行為和期望行為。如快速排序的最壞情況執行時間是 o(n^2),但期望時間是 o(nlogn)。通過每次都仔細 地選擇基準值,我們有可能把平方情況 (即o(n^2)情況)的概率減小到幾乎等於 0。在實際中,精心實現的快速排序一般都能以 (o(nlogn)時間執行。

下面是一些常用的記法:

訪問陣列中的元素是常數時間操作,或說o(1)操作。

乙個演算法如 果能在每個步驟去掉一半資料元素,如二分檢索,通常它就取 o(logn)時間。用strcmp比較兩個具有n個字元的串需要o(n)時間。

常規的矩陣乘演算法是o(n^3),因為算出每個元素都需要將n對元素相乘並加到一起,所有元素的個數是n^2。

指數時間演算法通常**於需要求出所有可能結果。例如,n個元 素的集合共有2n個子集,所以要求出所有子集的演算法將是o(2n)的。指數演算法一般說來是太複雜了,除非n的值非常小,因為,在 這個問題中增加乙個元素就導致執行時間加倍。不幸的是,確實有許多問題 (如著名的「巡迴售貨員問題」 ),到目前為止找到的演算法都是指數的。如果我們真的遇到這種情況,通常應該用尋找近似最佳結果的演算法替代之。

參考文章:

演算法複雜度的計算

演算法複雜度是在 資料結構 這門課程的第一章裡出現的,因為它稍微涉及到一些數學問題,所以很多同學感覺很難,加上這個概念也不是那麼具體,更讓許多同學學起來無從下手,下面我們就這個問題給各位考生進行分析。首先了解一下幾個概念。乙個是時間複雜度,乙個是漸近時間複雜度。前者是某個演算法的時間耗費,它是該演算...

演算法複雜度的計算

演算法複雜度是在 資料結構 這門課程的第一章裡出現的,因為它稍微涉及到一些數學問題,所以很多同學感覺很難,加上這個概念也不是那麼具體,更讓許多同學學起來無從下手,下面我們就這個問題給各位考生進行分析。首先了解一下幾個概念。乙個是時間複雜度,乙個是漸近時間複雜度。前者是某個演算法的時間耗費,它是該演算...

演算法複雜度的計算

演算法複雜度是在 資料結構 這門課程的第一章裡出現的,因為它稍微涉及到一些數學問題,所以很多同學感覺很難,加上這個概念也不是那麼具體,更讓許多同學學起來無從下手,下面我們就這個問題給各位考生進行分析。首先了解一下幾個概念。乙個是時間複雜度,乙個是漸近時間複雜度。前者是某個演算法的時間耗費,它是該演算...