数据结构时间复杂度的计算

《数据结构时间复杂度的计算》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、数据结构时间复杂度的计算for(i=1;i<=n;i++)     for(j=1;j<=i;j++)       for(k=1;k<=j;k++)        x++;  它的时间复杂度是多少？ 自己计算了一下，数学公式忘得差不多了，郁闷；（1）时间复杂性是什么？时间复杂性就是原子操作数，最里面的循环每次执行j次，中间循环每次执行  a[i]=1+2+3+...+i=i*(i+1)/2次 ，所以总的时间复杂性=a[1]+...+a[i]+..+a[n];   a[1]+...+a[i]+..+a[n]=1+(1+2)+(1+2+3)+...+(1+2+3+...+n)=1*n+2*(n-

2、1)+3*(n-2)+...+n*(n-(n-1))=n+2n+3n+...+n*n-(2*1+3*2+4*3+...+n*(n-1))=n(1+2+...+n)-(2*(2-1)+3*(3-1)+4*(4-1)+...+n*(n-1))=n(n(n+1))/2-[(2*2+3*3+...+n*n)-(2+3+4+...+n)]=n(n(n+1))/2-[(1*1+2*2+3*3+...+n*n)-(1+2+3+4+...+n)]=n(n(n+1))/2-n(n+1)(2n+1)/6+n(n+1)/2所以最后结果是O(n^3)。   【转】时间复杂度的计算算法复杂度是在《数据结构》这门课程的第

3、一章里出现的，因为它稍微涉及到一些数学问题，所以很多同学感觉很难，加上这个概念也不是那么具体，更让许多同学复习起来无从下手，下面我们就这个问题给各位考生进行分析。首先了解一下几个概念。一个是时间复杂度，一个是渐近时间复杂度。前者是某个算法的时间耗费，它是该算法所求解问题规模n的函数，而后者是指当问题规模趋向无穷大时，该算法时间复杂度的数量级。当我们评价一个算法的时间性能时，主要标准就是算法的渐近时间复杂度，因此，在算法分析时，往往对两者不予区分，经常是将渐近时间复杂度T(n)=O(f(n))简称为时间复杂度，其中的f(n)一般是算法中频度最大的语句频度。此外，算法中语句的频度不仅与问题规模有关

4、，还与输入实例中各元素的取值相关。但是我们总是考虑在最坏的情况下的时间复杂度。以保证算法的运行时间不会比它更长。常见的时间复杂度，按数量级递增排列依次为：常数阶O(1)、对数阶O(log2n)、线性阶O(n)、线性对数阶O(nlog2n)、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)。下面我们通过例子加以说明，让大家碰到问题时知道如何去解决。1、设三个函数f,g,h分别为f(n)=100n^3+n^2+1000,g(n)=25n^3+5000n^2,h(n)=n^1.5+5000nlgn请判断下列关系是否成立：（1）f(n)=O(g(n))（2）g(n)=O

5、(f(n))（3）h(n)=O(n^1.5)（4）h(n)=O(nlgn)这里我们复习一下渐近时间复杂度的表示法T(n)=O(f(n))，这里的"O"是数学符号，它的严格定义是"若T(n)和f(n)是定义在正整数集合上的两个函数，则T(n)=O(f(n))表示存在正的常数C和n0,使得当n≥n0时都满足0≤T(n)≤C?f(n)。"用容易理解的话说就是这两个函数当整型自变量n趋向于无穷大时，两者的比值是一个不等于0的常数。这么一来，就好计算了吧。◆(1)成立。题中由于两个函数的最高次项都是n^3,因此当n→∞时，两个函数的比值是一个常数，所以这个关系式是成立的。◆（2）成立。与上同理。◆（3）

6、成立。与上同理。◆（4）不成立。由于当n→∞时n^1.5比nlgn递增的快，所以h(n)与nlgn的比值不是常数，故不成立。2、设n为正整数，利用大"O"记号，将下列程序段的执行时间表示为n的函数。(1)i=1;k=0while(i1while(x>=(y+1)*(y+1))y++;解答：T(n)=n1/2，T(n)=O(n1/2)，最坏的情况是y=0，那么循环的次数是n1/2次，这是一个按平方根阶递增的函数。(3)x=91;y=100;while(y>0)if(x>

7、100){x=x-10;y--;}elsex++;解答：T(n)=O(1)，这个程序看起来有点吓人，总共循环运行了1000次，但是我们看到n没有?没。这段程序的运行是和n无关的，就算它再循环一万年，我们也不管他，只是一个常数阶的函数。-----------------------------------------------------------1.1大O表示法上学的时候就学习了大O表示法表示