演算法的復雜度

Ⅰ 如何計算一個演算法的時間復雜度

求解演算法的時間復雜度的具體步驟是：

1、找出演算法中的基本語句：

演算法中執行次數最多的那條語句就是基本語句，通常是最內層循環的循環體。

2、計算基本語句的執行次數的數量級：

（1）只需計算基本語句執行次數的數量級，這就意味著只要保證基本語句執行次數的函數中的最高次冪正確即可，可以忽略所有低次冪和最高次冪的系數。

（2）這樣能夠簡化演算法分析，並且使注意力集中在最重要的一點上：增長率。

3、用大Ο記號表示演算法的時間性能：

（1）將基本語句執行次數的數量級放入大Ο記號中。

（2）如果演算法中包含嵌套的循環，則基本語句通常是最內層的循環體，如果演算法中包含並列的循環，則將並列循環的時間復雜度相加。例如：

for(i=1;i<=n;i++)x++;for(i=1;i<=n;i++)
for(j=1;j<=n;j++)x++;

（3）第一個for循環的時間復雜度為Ο(n)，第二個for循環的時間復雜度為Ο(n2)，則整個演算法的時間復雜度為Ο(n+n2)=Ο(n2)。

Ⅱ 演算法時間復雜度指的是什麼

時間復雜性，又稱時間復雜度，演算法的時間復雜度是一個函數，它定性描述該演算法的運行時間。這是一個代表演算法輸入值的字元串的長度的函數。時間復雜度常用大O符號表述，不包括這個函數的低階項和首項系數。使用這種方式時，時間復雜度可被稱為是漸進的，亦即考察輸入值大小趨近無窮時的情況。

空間復雜性介紹

空間復雜性是指計算所需的存儲單元數量。隸屬於計算復雜性（計算復雜性由空間復雜性和時間復雜性兩部分組成）。演算法的復雜性是演算法運行所需要的計算機資源的量，需要時間資源量稱為時間復雜性，需要空間資源的量成為空間復雜性。

一個演算法的空間復雜度S(n)定義為該演算法所耗費的存儲空間，它也是問題規模n的函數。漸近空間復雜度也常常簡稱為空間復雜度。演算法的時間復雜度和空間復雜度合稱為演算法的復雜度。

Ⅲ 演算法的時間復雜度

時間復雜度的表示: O(執行次數)

一個有序的元素列表查找某個元素可以用二分查找，每次取中間元素進行比較大小，直到相等。因為每次不符合時總會排除一半的元素 ，所以查找的次數為log2n，那麼時間復雜度為O(log2n)。如果是一個無序的元素列表，查找從位置0開始，那麼簡單查找的次數為n，那麼時間復雜度為O(n)。

除此之外快速排序為O(n*log2n)，選擇排序為O(n*n)。

旅行演算法就是n個旅行地點，你可從某個地方出發到餘下某下一個地點，走完所有地點。從最開始時走有n個地點可以選擇，接下來再走就有n-1個地點可以選擇，這樣直到只有一個地點可以選擇。那麼所有你可走的路徑就是一個階乘，選擇復雜度為O( n!)。

關於數組和鏈表的操作。先說數組，因為你有了元素的索引，可以隨機訪問，你就能快速找到這個元素，而且所有元素的讀取都是一樣的步驟，所以讀取時間復雜度為O(1)，數組的插入和刪除的時間復雜度為O(n)，因為要移動元素。鏈表的特性是每個都存儲了下一個元素的地址，只能順序訪問。那麼讀取插入刪除的時間復雜度分別是O(n)、O(1)、O(1)。

Ⅳ 什麼是演算法的復雜性

演算法的復雜性主要包括兩個內容:時間復雜度和空間復雜度；
（1）時間復雜度：表示演算法運行時間的長短，主要和數據的規模、演算法實現的效率有關，一般用O(n)來表示，n表示數據的規模大小。
（2）空間復雜度，主要是指演算法實現所需佔用內存空間的大小，一般用S（n)來表示。

Ⅳ 分析下列演算法的復雜度

答：主要看雙重循環部分，外層循環執行n次，內層循環執行m次，總共執行次數為m×n次，對應時間復雜度為O(n＾2)。

Ⅵ 演算法復雜度是什麼概念

同一問題可用不同演算法解決，而一個演算法的質量優劣將影響到演算法乃至程序的效率。演算法分析的目的在於選擇合適演算法和改進演算法。一個演算法的評價主要從時間復雜度和空間復雜度來考慮。

1、時間復雜度

（1）時間頻度
一個演算法執行所耗費的時間，從理論上是不能算出來的，必須上機運行測試才能知道。但我們不可能也沒有必要對每個演算法都上機測試，只需知道哪個演算法花費的時間多，哪個演算法花費的時間少就可以了。並且一個演算法花費的時間與演算法中語句的執行次數成正比例，哪個演算法中語句執行次數多，它花費時間就多。一個演算法中的語句執行次數稱為語句頻度或時間頻度。記為T(n)。

（2）時間復雜度
在剛才提到的時間頻度中，n稱為問題的規模，當n不斷變化時，時間頻度T(n)也會不斷變化。但有時我們想知道它變化時呈現什麼規律。為此，我們引入時間復雜度概念。

一般情況下，演算法中基本操作重復執行的次數是問題規模n的某個函數，用T(n)表示，若有某個輔助函數f(n),使得當n趨近於無窮大時，T（n)/f(n)的極限值為不等於零的常數，則稱f(n)是T(n)的同數量級函數。記作T(n)=O(f(n)),稱O(f(n)) 為演算法的漸進時間復雜度，簡稱時間復雜度。

在各種不同演算法中，若演算法中語句執行次數為一個常數，則時間復雜度為O(1),另外，在時間頻度不相同時，時間復雜度有可能相同，如T(n)=n2+3n+4與T(n)=4n2+2n+1它們的頻度不同，但時間復雜度相同，都為O(n2)。

按數量級遞增排列，常見的時間復雜度有：
常數階O(1),對數階O(log2n),線性階O(n),
線性對數階O(nlog2n),平方階O(n2)，立方階O(n3),...，
k次方階O(nk),指數階O(2n)。隨著問題規模n的不斷增大，上述時間復雜度不斷增大，演算法的執行效率越低。

2、空間復雜度
與時間復雜度類似，空間復雜度是指演算法在計算機內執行時所需存儲空間的度量。記作:
S(n)=O(f(n))

說到底,就是程序執行效率和佔用空間的問題.

Ⅶ 演算法的時間復雜度

當然應該是O(n^2)

----------------------------------------------------------

演算法分析，就是復雜度的問題。

復雜度只算「最要命的」，比如，執行n^2的演算法前來個快排根本不拖速度，n^2多的都豁出去了不在乎區區一個nlogn。

書里對復雜度進行了嚴格的定義，包括O()、o()、Θ()、Ω()四種符號。

簡單地說，

O(n^2)就是頂破天了搞個n^2次；

o(n^2)就是天花板不到n^2，比n^2矮一點（比如希爾排序就是o(n^2)，因為它再倒霉也達不到n^2）；

Ω(n^2)就是說某個演算法隨便怎麼至少都要耗費n^2，比如所有基於比較的排序都是Ω(nlogn)；

Θ(n^2)就是說它即是O(n^2)又是Ω(n^2)，被天花板和水泥地夾在中間了，動不了了，就是它了。

Ⅷ 演算法的時間復雜度是指什麼具體點

演算法復雜度不是簡單的時間的度量
是用來評價演算法優劣程度的依據
比如，一個程序要掃描100 * n * n + 10000 * n + 99999遍，那麼時間復雜度是O(n^2)
也就是說，時間復雜度只取次數最高的項，並且忽略系數

所以，時間復雜度是用來描述隨著 n 的增大，演算法耗時「增大」的！不是用來描述運行所花時間的（這個我們初中老師給我們強調了半天）

還有一點，O(9999999999)（實際應寫為O(1),這里只是表達意思）和O(n)的演算法那個好？
答案是O(9999999999)，因為他的耗時不隨n的增大而變化，所以他更優
一般來說，演算法的好壞是這樣的 （>表示好於) O(1) > O(logn) > O(n) > O(n logn) > O(n^2) > O(n^3) > O(2^n) > O(n!)

Ⅸ 演算法的復雜度包括哪兩個部分

演算法的復雜度包括演算法的時間復雜度及空間復雜度。這兩個復雜度可以互相影響的。比如，可以採用「用空間換時間」的方法用多消耗內存空間來降低程序運行時間，也可以用「時間換空間」的方法，多消耗程序運行時間來降低內存佔用空間。

Ⅹ 如何分析演算法的復雜度

演算法的復雜性
演算法的復雜性是演算法效率度量，是評價演算法優劣的重要依據。一個演算法的復雜性的高低體現在運行該演算法所需要的計算機資源的多少上面，所需的資源越多，我們就說該演算法的復雜性越高；反之，所需的資源越低，則該演算法的復雜性越低。
計算機的資源，最重要的是時間和空間（即存儲器）資源。因而，演算法的復雜性有時間復雜性和空間復雜性之分。
不言而喻，對於任意給定的問題，設計出復雜性盡可能低的演算法是我們在設計演算法時追求的一個重要目標；另一方面，當給定的問題已有多種演算法時，選擇其中復雜性最低者，是我們在選用演算法適應遵循的一個重要准則。因此，演算法的復雜性分析對演算法的設計或選用有著重要的指導意義和實用價值。
簡言之，在演算法學習過程中，我們必須首先學會對演算法的分析，以確定或判斷演算法的優劣。
1.時間復雜性：
例1：設一程序段如下（為討論方便，每行前加一行號）
(1) for i:=1 to n do
(2) for j:=1 to n do
(3) x:=x+1
......
試問在程序運行中各步執行的次數各為多少？
解答：
行號 次數(頻度)
(1) n+1
(2) n*(n+1)
(3) n*n
可見，這段程序總的執行次數是：f(n)=2n2+2n+1。在這里，n可以表示問題的規模，當n趨向無窮大時，如果 f(n)的值很小，則演算法優。作為初學者，我們可以用f(n)的數量級O來粗略地判斷演算法的時間復雜性，如上例中的時間復雜性可粗略地表示為T(n)=O(n2)。