算法基础1.1：算法复杂度计算（二）

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了算法基础1.1：算法复杂度计算（二），小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1184字，纯文字阅读大概需要2分钟。

内容图文

1.什么是算法

2.好算法的标准

3.算法复杂度计算方法

例1：

1 int sum = 0;//运行1次
2         int total = 0;//运行1次
3         for (int i = 1; i <= n; i++) {//运行n+1次（最后一次不满足的判断也算一次）
4             sum = sum+i;//运行n次
5             for (int j = 1; j <= n; j++) {//运行n*(n+1)次
6                 total = total +i*j;//运行n*n次
7             }
8         }

把算法的所有语句的运行次数加起来：1=1+n+1+n+n(n+1)+nxn  

得T(n)=2n²+3n+3

所以当n足够大时，例如n=10⁵时，依据极限思想，算法的运行时间将主要取决于幂最大的一项

 

对于一些算法，如排序、查找、插入等算法，可以分为最好、最坏和平均情况分别求算法渐近复杂度，但我们考察一个算法通常考察最坏的情况，而不是考察最好的情况，最坏情况对衡量算法的好坏具有实际的意义。

 

 

 

 

4.递归算法复杂度计算

5.常见算法复杂度

常见的算法复杂度有以下几类：

1）常数阶

常数阶算法运行的次数是一个常数，如5、20、100.常数阶算法时间复杂度通常用O(1)表示。

2）多项式阶

如O(n)、O(n²)、O(n³)等

3）指数阶

指数阶时间复杂度运行效率极差，程序员往往像躲“恶魔”一样避开它，常见的如O(2ⁿ)、O(n!)、O(nⁿ)等，实验这样的算法要慎重

4）对数阶

对数阶时间复杂度运行效率较高，常见的有O(logn)、O(nlogn)等

一般比较关系：O(1)<O(logn)<O(n)<O(nlogn)<O(n²)<O(n³)<O(2ⁿ)<O(n!)<O(nⁿ)

内容总结

以上是互联网集市为您收集整理的算法基础1.1：算法复杂度计算（二）全部内容，希望文章能够帮你解决算法基础1.1：算法复杂度计算（二）所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---