分析算法时间复杂度基本方法和步骤(方法论和例题详解)

1. 确定输入规模（n）

• 明确问题规模的定义（如数组长度、矩阵维度、树节点数等）。
• 例如：排序算法中，n 通常指待排序元素的数量。

2. 识别基本操作

• 找到算法中执行次数最多的操作（如比较、赋值、循环迭代等）。
• 例如：排序算法中的比较操作，搜索算法中的循环迭代。

3. 建立执行次数的数学表达式

• 统计基本操作的执行次数，将其表示为输入规模 n 的函数 T(n)。
• 常见情况：
  • 顺序结构：执行次数相加。
  • 分支结构：取最坏情况下的分支。
  • 循环结构：分析循环次数与 n 的关系（重点关注循环变量如何变化）。
  • 递归算法：通过递归方程（递推关系式）描述时间。

4. 用大O表示法简化

• 保留最高阶项：忽略低阶项和常数系数。
  • 例如：T(n) = 3n² + 5n + 2 → O(n²)。
• 常见复杂度等级（从优到劣）：
  • O(1)（常数）→ O(log n)（对数）→ O(n)（线性）→ O(n log n) → O(n²)（平方）→ O(2ⁿ)（指数）。

第一步：理解基本概念

时间复杂度：描述算法运行时间与输入规模 n 的增长关系，用 大O符号（O） 表示。
核心思想：忽略常数和低阶项，只保留最高阶项，例如 3n² + 5n + 10 → O(n²)。

第二步：找出代码中的“基本操作”

基本操作是执行次数最多的核心操作，通常是循环或递归内的操作。
示例1：循环中的加法操作

c复制代码

int sum = 0;
for(int i=0; i<n; i++) {  // 循环n次
    sum += i;              // ← 基本操作（执行n次）
}

时间复杂度：O(n)

第三步：分析循环结构

1. 单层循环

c复制代码

for(int i=0; i<n; i++) {
    printf("%d", i);  // 执行n次
}

数学表达式：n次 → O(n)

2. 双重循环（独立变量）

c复制代码

for(int i=0; i<n; i++) {       // 外层n次
    for(int j=0; j<m; j++) {   // 内层m次
        printf("%d", i*j);     // 执行n×m次
    }
}

数学表达式：n × m次

• 若m与n无关 → O(nm)
• 若m = n → O(n²)

3. 双重循环（变量相关）

c复制代码

for(int i=0; i<n; i++) {       // 外层n次
    for(int j=0; j<i; j++) {   // 内层i次（i从0到n-1）
        printf("%d", j);       // 总次数：0+1+2+...+(n-1) = n(n-1)/2
    }
}

数学推导：
总次数 = Σi=0n-1 i = n(n-1)/2
简化：保留最高阶项并去掉系数 → O(n²)

4. 对数循环（变量倍增/倍减）

c复制代码

for(int i=1; i<=n; i*=2) {  // 循环次数：log₂n
    printf("%d", i);         // 执行log₂n次
}

数学推导：
i的变化：1 → 2 → 4 → 8 → ... → 2k ≤ n
解得 k = log₂n → O(log n)

第四步：递归算法分析

1. 单次递归调用（线性递归）

c复制代码

void func(int n) {
    if(n <= 0) return;
    printf("%d", n);      // O(1)操作
    func(n-1);            // 递归调用n次
}

递推公式：
T(n) = T(n-1) + 1
T(0) = 0
解得：T(n) = n → O(n)

2. 多次递归调用（指数级复杂度）

c复制代码

int fib(int n) {
    if(n <= 1) return n;
    return fib(n-1) + fib(n-2);  // 每次调用产生2次递归
}

递推公式：
T(n) = T(n-1) + T(n-2) + 1
近似解：T(n) ≈ 2n → O(2ⁿ)