理解算法的时间复杂度分析-CSDN博客

本文链接：https://blog.csdn.net/hty46565/article/details/83443691

复杂度分析用于评估代码的执行时间和空间效率，不受具体环境影响。时间复杂度通过大O表示法描述代码执行时间随数据规模增长的趋势，如O(1), O(n), O(n^2), O(logn)等。分析方法包括关注循环次数最多的代码、加法和乘法法则。最好、最坏和平均时间复杂度分别表示不同情况下的时间复杂度。" 71642778,1217259,C++参数传递与返回值：return by value vs. return by reference,"['C++编程', '面向对象', '编程实践']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

复杂度分析是什么

代码的复杂度分为时间复杂度与空间复杂度。

数据结构与算法解决的核心问题就是让代码更“快”、更“省”。具体来说，就是执行的时间尽可能的短，占用的空间尽可能的少。

而代码到底有多“快”、有多“省”，需要对应的衡量标准，时间复杂度就作为代码有多“快”的衡量标准，空间复杂度就作为有多“省”的衡量标准。

对时间复杂度与空间复杂度的计算分析就是复杂度分析了。

为什么需要复杂度分析

我记得我刚接触到时间复杂度这个概念时就有这个疑问：明明可以让代码跑一下来看下它具体的执行时间，以此作为它的时间复杂度不好吗？毕竟这样的跑出来的结果是最为真实的。

这样来作为一段代码的具体执行时间也是可以的，不过不够精确，有很大的局限性。

首先这种直接跑出来的时间非常依赖测试环境，很显然，高端CPU跑一段代码的时间一定是少于普通CPU的。另外，测试结果会受数据规模的影响，在数据量不同的情况下，测试出代码执行的时间一定也是不同的，数据量小的情况下是很难测出一个算法的性能的。

鉴于此，需要从代码本身来分析它的复杂度。从而判断一个算法在时间、空间上的优劣。

时间复杂度分析中的代码执行时间

我们先来看一下如何判断一段代码的执行时间。

int cal(int n) {
  int sum = 0;
  int i = 1;
  int j = 1;
  for (; i <= n; ++i) {
    j = 1;
    for (; j <= n; ++j) {
      sum = sum + i * j;
    }
  }
}

要去除掉环境因素来看一段代码的执行时间，那么首先我们会想到的一定是看一条条语句的执行次数，假定一条语句的执行时间为 $t$ ，那么代码运行的总时间就是 $n * t$ ， $n$ 是语句的数量。