算法的时间复杂度

算法的时间复杂度

度量一个程序(算法)执行时间的两种方法

1) 事后统计的方法

这种方法可行, 但是有两个问题：一是要想对设计的算法的运行性能进行评测，需要实际运行该程序；

二是所得时间的统计量依赖于计算机的硬件、软件等环境因素, 这种方式，要在同一台计算机的相同状态下运行，才能较那个算法速度更快。

2) 事前估算的方法

通过分析某个算法的时间复杂度来判断哪个算法更优。

常见的时间复杂度：

 

常数阶 O(1)、对数阶 O(log2^n)、线性阶 O(n)、线性对数阶 O(nlog2^n)、平方阶 O(n^2)、立方阶 O(n^3)、k 次方阶 O(n^k)、

指数阶 O(2^n)

 

说明：

常见的算法时间复杂度由小到大依次为：Ο(1)＜Ο(log2^n)＜Ο(n)＜Ο(nlog2^n)＜Ο(n^2)＜Ο(n^3)＜ Ο(n^k) ＜Ο(2^n) ，

随着问题规模 n 的不断增大，上述时间复杂度不断增大，算法的执行效率越低。