這篇文章主要介紹數(shù)據結構之一組圖讓你搞懂時間復雜度的案例，文中介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們一定要看完！

成都創(chuàng)新互聯(lián)主營鎮(zhèn)寧網站建設的網絡公司,主營網站建設方案,成都APP應用開發(fā),鎮(zhèn)寧h5成都微信小程序搭建,鎮(zhèn)寧網站營銷推廣歡迎鎮(zhèn)寧等地區(qū)企業(yè)咨詢

本篇文章中通過一組圖片讓你輕松明白什么是時間復雜度，有趣生動，具有一定學習價值，感興趣的朋友快來了解一下吧。

時間復雜度的意義

究竟什么是時間復雜度呢？讓我們來想象一個場景：某一天，小灰和大黃同時加入了一個公司......

一天過后，小灰和大黃各自交付了代碼，兩端代碼實現(xiàn)的功能都差不多。大黃的代碼運行一次要花100毫秒，內存占用5MB。小灰的代碼運行一次要花100秒，內存占用500MB。于是......

由此可見，衡量代碼的好壞，包括兩個非常重要的指標：

1.運行時間；

2.占用空間。

基本操作執(zhí)行次數(shù)

關于代碼的基本操作執(zhí)行次數(shù)，我們用四個生活中的場景，來做一下比喻：

場景1：給小灰一條長10寸的面包，小灰每3天吃掉1寸，那么吃掉整個面包需要幾天？

答案自然是 3 X 10 = 30天。

如果面包的長度是 N 寸呢？

此時吃掉整個面包，需要 3 X n = 3n 天。

如果用一個函數(shù)來表達這個相對時間，可以記作 T（n） = 3n。

場景2：給小灰一條長16寸的面包，小灰每5天吃掉面包剩余長度的一半，第一次吃掉8寸，第二次吃掉4寸，第三次吃掉2寸......那么小灰把面包吃得只剩下1寸，需要多少天呢？

這個問題翻譯一下，就是數(shù)字16不斷地除以2，除幾次以后的結果等于1？這里要涉及到數(shù)學當中的對數(shù)，以2位底，16的對數(shù)，可以簡寫為log16。

因此，把面包吃得只剩下1寸，需要 5 X log16 = 5 X 4 = 20 天。

如果面包的長度是 N 寸呢？

需要 5 X logn = 5logn天，記作 T（n） = 5logn。

場景3：給小灰一條長10寸的面包和一個雞腿，小灰每2天吃掉一個雞腿。那么小灰吃掉整個雞腿需要多少天呢？

答案自然是2天。因為只說是吃掉雞腿，和10寸的面包沒有關系 。

如果面包的長度是 N 寸呢？

無論面包有多長，吃掉雞腿的時間仍然是2天，記作 T（n） = 2。

場景4：給小灰一條長10寸的面包，小灰吃掉第一個一寸需要1天時間，吃掉第二個一寸需要2天時間，吃掉第三個一寸需要3天時間.....每多吃一寸，所花的時間也多一天。那么小灰吃掉整個面包需要多少天呢？

答案是從1累加到10的總和，也就是55天。

如果面包的長度是 N 寸呢？

此時吃掉整個面包，需要 1+2+3+......+ n-1 + n = (1+n)*n/2 = 0.5n^2 + 0.5n。

記作 T（n） = 0.5n^2 + 0.5n。

上面所講的是吃東西所花費的相對時間，這一思想同樣適用于對程序基本操作執(zhí)行次數(shù)的統(tǒng)計。剛才的四個場景，分別對應了程序中最常見的四種執(zhí)行方式：

場景1：T（n） = 3n，執(zhí)行次數(shù)是線性的。

void eat1(int n){
    for(int i=0; i<n; i++){;
        System.out.println("等待一天");
        System.out.println("等待一天");
        System.out.println("吃一寸面包");
    }
}
vo

場景2：T（n） = 5logn，執(zhí)行次數(shù)是對數(shù)的。

void eat2(int n){
   for(int i=1; i<n; i*=2){
       System.out.println("等待一天");
       System.out.println("等待一天");
       System.out.println("等待一天");
       System.out.println("等待一天");
       System.out.println("吃一半面包");
   }
}

場景3：T（n） = 2，執(zhí)行次數(shù)是常量的。

void eat3(int n){
   System.out.println("等待一天");
   System.out.println("吃一個雞腿");
}

場景4：T（n） = 0.5n^2 + 0.5n，執(zhí)行次數(shù)是一個多項式。

void eat4(int n){
   for(int i=0; i<n; i++){
       for(int j=0; j<i; j++){
           System.out.println("等待一天");
       }
       System.out.println("吃一寸面包");
   }
}

漸進時間復雜度

有了基本操作執(zhí)行次數(shù)的函數(shù) T（n），是否就可以分析和比較一段代碼的運行時間了呢？還是有一定的困難。

比如算法A的相對時間是T（n）= 100n，算法B的相對時間是T（n）= 5n^2，這兩個到底誰的運行時間更長一些？這就要看n的取值了。

所以，這時候有了漸進時間復雜度（asymptotic time complectiy）的概念，官方的定義如下：

若存在函數(shù) f（n），使得當n趨近于無窮大時，T（n）/ f（n）的極限值為不等于零的常數(shù)，則稱 f（n）是T（n）的同數(shù)量級函數(shù)。

記作 T（n）= O（f（n）），稱O（f（n）） 為算法的漸進時間復雜度，簡稱時間復雜度。

漸進時間復雜度用大寫O來表示，所以也被稱為大O表示法。

如何推導出時間復雜度呢？有如下幾個原則：

1. 如果運行時間是常數(shù)量級，用常數(shù)1表示；

2. 只保留時間函數(shù)中的最高階項；

3. 如果最高階項存在，則省去最高階項前面的系數(shù)。

讓我們回頭看看剛才的四個場景。

場景1：

T（n） = 3n

最高階項為3n，省去系數(shù)3，轉化的時間復雜度為：

T（n） =  O（n）

場景2：

T（n） = 5logn

最高階項為5logn，省去系數(shù)5，轉化的時間復雜度為：

T（n） =  O（logn）

場景3：

T（n） = 2

只有常數(shù)量級，轉化的時間復雜度為：

T（n） =  O（1）

場景4：

T（n） = 0.5n^2 + 0.5n

最高階項為0.5n^2，省去系數(shù)0.5，轉化的時間復雜度為：

T（n） =  O（n^2）

這四種時間復雜度究竟誰用時更長，誰節(jié)省時間呢？稍微思考一下就可以得出結論：

O（1）< O（logn）< O（n）< O（n^2）

在編程的世界中有著各種各樣的算法，除了上述的四個場景，還有許多不同形式的時間復雜度，比如：

O（nlogn）, O（n^3）, O（m*n），O（2^n），O（n！）

今后遨游在代碼的海洋里，我們會陸續(xù)遇到上述時間復雜度的算法。

時間復雜度的巨大差異

我們來舉過一個栗子：

算法A的相對時間規(guī)模是T（n）= 100n，時間復雜度是O(n)

算法B的相對時間規(guī)模是T（n）= 5n^2，時間復雜度是O(n^2)

算法A運行在小灰家里的老舊電腦上，算法B運行在某臺超級計算機上，運行速度是老舊電腦的100倍。

那么，隨著輸入規(guī)模 n 的增長，兩種算法誰運行更快呢？

從表格中可以看出，當n的值很小的時候，算法A的運行用時要遠大于算法B；當n的值達到1000左右，算法A和算法B的運行時間已經接近；當n的值越來越大，達到十萬、百萬時，算法A的優(yōu)勢開始顯現(xiàn)，算法B則越來越慢，差距越來越明顯。

這就是不同時間復雜度帶來的差距。

以上是數(shù)據結構之一組圖讓你搞懂時間復雜度的案例的所有內容，感謝各位的閱讀！希望分享的內容對大家有幫助，更多相關知識，歡迎關注創(chuàng)新互聯(lián)行業(yè)資訊頻道！

網頁題目：數(shù)據結構之一組圖讓你搞懂時間復雜度的案例-創(chuàng)新互聯(lián)
URL鏈接：http://aaarwkj.com/article48/phoep.html

成都網站建設公司_創(chuàng)新互聯(lián)，為您提供網頁設計公司、網站設計、網站排名、營銷型網站建設、手機網站建設、品牌網站建設

廣告

聲明：本網站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)