数据结构----算法复杂度分析

本文主要是介绍数据结构----算法复杂度分析，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

• 时间复杂度

1. 常数阶

　　　　O(1):跟问题规模没有关系 　　　　

int i = 0;int n = 100; 
printf("test"); 
printf("test");
printf("test"); 
printf("test"); //算法时间复杂度为O(1)

　　

　　  2、线性阶 　　　　O(n)：随着问题规模n的增大，对应的计算次数成直线增长 　　　　

int i = 0;int n = 100; int sum = 0;
for(i=0; i<n; i++)
{
    sum = sum + i;
}
//算法时间复杂度为O(n)

　　

　　  3、平方阶 　　　　O(n^2)：随着问题规模n的增大，对应的计算次数成抛物线增长 　　　　

int i = 0, j = 0;int n = 100; int sum = 0;
for(i=0; i<n; i++)
{
    for(j=0; j<n; j++)
    {
        printf("ok");
    }
}
//算法时间复杂度为O(n^2)

for(i=0; i<n; i++)
{
    for(j=i; j<n; j++)
    {
        printf("ok");
    }
}//n + n-1 + n-2 + ... + 1 = n*(n+1)/2 ---> O(n^2)
//算法时间复杂度为O(n^2)

　　

　　  4、对数阶 　　　　O(log（n))：随着问题规模n的增大，对应的计算次数成对数线增长 　　　　

int i = 1; int n = 100;
while(i < n)
{
    i = i * 2;
}//2^x = n --->x = log(n)
//算法时间复杂度为O(log(n))

　　

　　  5、总结 　　　　常用时间复杂度耗费时间从小到大排列： 　　　　O(1) < O(log(n)) < O(n) < O(nlogn) < O(n^2) < O(n^3) < O(2^n) < O(n!) < O(n^n)

• 空间复杂度

O(n)表示基本代码占据的存储空间

这篇关于数据结构----算法复杂度分析的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！