1樓：
首先假設任意copy
一個簡單運算的時間都是1，例如a=1;a++;a=a*b;這些運算的時間都是1.
那麼例如
for(int i=0;i注意，這裡計算一次的時間是1.
}那麼上面的這個例子的時間複雜度就是 m*n再例如氣泡排序的時間複雜度是n*n；快排的時間複雜度是log(n)。
詳細的情況，建議你看《演算法導論》，裡面有一章節，具體講這個的。
請問遞迴演算法的時間複雜度如何計算呢?
2樓：木子青耶
遞迴演算法的時間複雜度在演算法中，當一個演算法中包含遞迴呼叫時，其時間複雜度的分析會轉化為一個遞迴方程求解，常用以下四種方法：
代入法的基本步驟是先推測遞迴方程的顯式解，然後用數學歸納法來驗證該解是否合理。
迭代法的基本步驟是迭代地遞迴方程的右端，使之成為一個非遞迴的和式，然後通過對和式的估計來達到對方程左端即方程的解的估計。
這個方法針對形如「t(n) = at(n/b) + f(n)」的遞迴方程。這種遞迴方程是分治法的時間複雜性所滿足的遞迴關係。
即一個規模為n的問題被分成規模均為n/b的a個子問題，遞迴地求解這a個子問題，然後通過對這a個子間題的解的綜合，得到原問題的解。
可以將某些遞迴方程看成差分方程，通過解差分方程的方法來解遞迴方程，然後對解作出漸近階估計。
3樓：泡影果果
1、遞迴
是指對一個問題的求解，可以通過
同一問題的更簡單的形式的求解來表示. 並通過問題的簡單形式的解求出複雜形式的解. 遞迴是解決一類問題的重要方法.
遞迴程式設計是程式設計中常用的一種方法，它可以解決所有有遞迴屬性的問題，並且是行之有效的. 但對於遞迴程式執行的效率比較低，無論是時間還是空間都比非遞迴程式更費，若在程式中消除遞迴呼叫，則其執行時間可大為節省. 以下討論遞迴的時間效率分析方法，以及與非遞迴設計的時間效率的比較.
2、時間複雜度的概念及其計算方法
演算法是對特定問題求解步驟的一種描述. 對於演算法的優劣有其評價準則，主要在於評價演算法的時間效率，演算法的時間通過該演算法編寫的程式在計算機中執行的時間來衡量，所花費的時間與演算法的規模n有必然的聯絡，當問題的規模越來越大時，演算法所需時間量的上升趨勢就是要考慮的時間度量。
演算法的時間度量是依據演算法中最大語句頻度（指演算法中某條語句重複執行的次數）來估算的，它是問題規模n的某一個函式f(n). 演算法時間度量記作：t（n）=o（f（n）） 。
它表示隨問題規模n的增大，演算法執行時間的增長率和f（n）的增長率相同，稱作演算法的時間複雜度，簡稱時間複雜度[2]。
例如下列程式段：
（1）x=x+1;（2）for(i=1;i<=n;i++) x=x+1;（3）for(j=1;j<=n;j++) for(k=1;k<=n;k++) x=x+1. 以上三個程式段中，語句x=x+1的頻度分別為1，n，n2，則這三段程式的時間複雜度分別為o（1），o（n），o（n2）。
求解過程為：先給出問題規模n的函式的表示式，然後給出其時間複雜度t（n）。
但是在現實程式設計過程中，往往遇到的問題都是比較複雜的演算法，就不能很容易地寫出規模n的表示式，也比較難總結其時間複雜度. 遞迴函式就是屬於這種情況. 下面舉例說明遞迴函式的時間複雜度的分析方法。
這個演算法的時間複雜度是如何計算出來的?
4樓：
如果bai題目允許優化程du
序的話，計算zhix的多次冪時可以保留中dao間結果，比版如你已經有了權x^3，計算x^4的時候就不用從頭乘一遍，也不用二分著來，直接x^3在乘x就可以了。如果採用這樣的策略，這題是可以以o(n)實現的。
如果不考慮上面所說，複雜度是nlogn，你的計算過程可行。另外也可估算，即單次求冪是logn，求n次就是nlogn，這樣估出來的是上界。但是在不保留中間結果的演算法下，是無法達成o（n）的，故可以不嚴謹地「直覺」知道下界也是nlogn。
資料結構與演算法，請問時間複雜度是怎麼判定的？
5樓：匿名使用者
顯然是c
外層k增長速度了 *2 意味著 跑完n個數 只需要logn次，內層n 是線性增長， 時間複雜度是n
乘一起就是 o（nlogn）
複雜度就是幾種，線性的 n, 多項式的 n^k 冪指數 k^n , logn, 其中n的係數是多少都無關緊要，時間複雜度的基礎就是n的增長速度，2n也是n ; (2n)^2 也是n^2
6樓：月光星屑
計算時間複雜度的時候一般把 加 和 乘 的係數去掉，比如：o(0.5*n^2+n+0.5)記為o(n^2)
7樓：匿名使用者
演算法是處理資料的一種方法，最終也是為了解決某一個或某一類問題，而通常情況下，問題的解決思路都不只一種！所以看情況而定！
演算法時間複雜度怎麼算
8樓：匿名使用者
一、概念
時間複雜度是總運算次數表示式中受n的變化影響最大的那一項(不含係數)
比如：一般總運算次數表示式類似於這樣：
a*2^n+b*n^3+c*n^2+d*n*lg(n)+e*n+f
a ！ =0時，時間複雜度就是o(2^n);
a=0,b<>0 =>o(n^3);
a,b=0,c<>0 =>o(n^2)依此類推
eg:(1) for(i=1;i<=n;i++) //迴圈了n*n次，當然是o(n^2)
for(j=1;j<=n;j++)
s++;
(2) for(i=1;i<=n;i++)//迴圈了(n+n-1+n-2+...+1)≈(n^2)/2，因為時間複雜度是不考慮係數的，所以也是o(n^2)
for(j=i;j<=n;j++)
s++;
(3) for(i=1;i<=n;i++)//迴圈了(1+2+3+...+n)≈(n^2)/2,當然也是o(n^2)
for(j=1;j<=i;j++)
s++;
(4) i=1;k=0;
while(i<=n-1)//迴圈了n-1≈n次，所以是o(n)(5) for(i=1;i<=n;i++)
for(j=1;j<=i;j++)
for(k=1;k<=j;k++)
x=x+1;
//迴圈了(1^2+2^2+3^2+...+n^2)=n(n+1)(2n+1)/6(這個公式要記住哦)≈(n^3)/3，不考慮係數，自然是o(n^3)
另外，在時間複雜度中，log(2,n)(以2為底)與lg(n)(以10為底)是等價的，因為對數換底公式：
log(a,b)=log(c,b)/log(c,a)
所以，log(2,n)=log(2,10)*lg(n),忽略掉係數，二者當然是等價的
二、計算方法1.一個演算法執行所耗費的時間，從理論上是不能算出來的，必須上機執行測試才能知道。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)。
2.一般情況下，演算法的基本操作重複執行的次數是模組n的某一個函式f（n），因此，演算法的時間複雜度記做：t（n）=o（f（n））。
隨著模組n的增大，演算法執行的時間的增長率和f（n）的增長率成正比，所以f（n）越小，演算法的時間複雜度越低，演算法的效率越高。
在計算時間複雜度的時候，先找出演算法的基本操作，然後根據相應的各語句確定它的執行次數，再找出t（n）的同數量級（它的同數量級有以下：1，log2n ，n ，nlog2n ，n的平方，n的三次方，2的n次方，n！），找出後，f（n）=該數量級，若t(n)/f(n)求極限可得到一常數c，則時間複雜度t（n）=o（f（n））。
3.常見的時間複雜度
按數量級遞增排列，常見的時間複雜度有：
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(n^2)， 立方階o(n^3),...， k次方階o(n^k), 指數階o(2^n) 。
其中，1.o(n)，o(n^2)， 立方階o(n^3),...， k次方階o(n^k) 為多項式階時間複雜度，分別稱為一階時間複雜度，二階時間複雜度。。。。
2.o(2^n)，指數階時間複雜度，該種不實用3.對數階o(log2n), 線性對數階o(nlog2n)，除了常數階以外，該種效率最高
例：演算法：
for（i=1;i<=n;++i）
}則有 t（n）= n^2+n^3，根據上面括號裡的同數量級，我們可以確定 n^3為t（n）的同數量級
則有f（n）= n^3，然後根據t（n）/f（n）求極限可得到常數c
則該演算法的 時間複雜度：t（n）=o（n^3)
四、定義：如果一個問題的規模是n，解這一問題的某一演算法所需要的時間為t(n)，它是n的某一函式
t(n)稱為這一演算法的「時間複雜性」。
當輸入量n逐漸加大時，時間複雜性的極限情形稱為演算法的「漸近時間複雜性」。
我們常用大o表示法表示時間複雜性，注意它是某一個演算法的時間複雜性。大o表示只是說有上界，由定義如果f(n)=o(n)，那顯然成立f(n)=o(n^2)，它給你一個上界，但並不是上確界，但人們在表示的時候一般都習慣表示前者。
此外，一個問題本身也有它的複雜性，如果某個演算法的複雜性到達了這個問題複雜性的下界，那就稱這樣的演算法是最佳演算法。
「大o記法」：在這種描述中使用的基本引數是
n，即問題例項的規模，把複雜性或執行時間表達為n的函式。這裡的「o」表示量級 (order)，比如說「二分檢索是 o(logn)的」,也就是說它需要「通過logn量級的步驟去檢索一個規模為n的陣列」記法 o ( f(n) )表示當 n增大時，執行時間至多將以正比於 f(n)的速度增長。
這種漸進估計對演算法的理論分析和大致比較是非常有價值的，但在實踐中細節也可能造成差異。例如，一個低附加代價的o(n2)演算法在n較小的情況下可能比一個高附加代價的 o(nlogn)演算法執行得更快。當然，隨著n足夠大以後，具有較慢上升函式的演算法必然工作得更快。
o(1)
temp=i;i=j;j=temp;
以上三條單個語句的頻度均為1，該程式段的執行時間是一個與問題規模n無關的常數。演算法的時間複雜度為常數階，記作t(n)=o(1)。如果演算法的執行時間不隨著問題規模n的增加而增長，即使演算法中有上千條語句，其執行時間也不過是一個較大的常數。
此類演算法的時間複雜度是o(1)。
o(n^2)
2.1.
交換i和j的內容
sum=0； （一次）
for(i=1;i<=n;i++) （n次 ）
for(j=1;j<=n;j++)
（n^2次 ）
sum++； （n^2次 ）
解：t(n)=2n^2+n+1 =o(n^2)
2.2.
for (i=1;i
演算法的時間複雜度on到底怎麼算,演算法的時間複雜度On到底怎麼算
看迴圈bai 或者遞迴的層du數。zhi比如該函 dao數為版o n 權 int f int x,int y int i,j for i 0 i 而該函式為o n2 int f int x,int y int i,j for i 0 i 某演算法的時間複雜度為o n 表明該演算法的 選c說明演算法的...
資料結構演算法並說明時間複雜度和空間複雜度
演算法主要用了一個bai額外du的先入後出的線性表 即棧zhi 假定dao陣列為版num n 流程如下 1.先申請一個能存放權n個整數的棧。2.把原有陣列的後n p個元素，從後面num n 1 到num p 開始依次壓入棧。3.把陣列的前p個元素，從num p 1 開始，把num n 1 num p...
在下列排序演算法中，哪演算法的時間複雜度與初始排序無關
在下列排序演算法中，哪一個演算法的時間複雜度與初始排序無關 a.插入排序 b.起泡排序 c.快速排序 d.選擇排序 在下列排序演算法中，哪一個演算法的時間複雜度與初始排序無關 d不管原陣列是什麼樣子，每一次你都要遍歷一邊剩餘的數來選取最大 最小值 演算法的時間複雜度與初始排序無關的都有什麼排序 常見...