1、Big O
- 需要定义算法的时间复杂度
- 不必非常精确
- 通常只需要了解其上界,相对简单
定义
- (f(n) = O(g(n)), if exists c > 0:c * g(n) geq f(n))
- (f(n) = Omega (g(n)), if exists c > 0:c * g(n) leq f(n))
- (f(n) = Theta (g(n)), if exists c_1 > 0, c_2 > 0:c_1 * g(n) leq f(n) leq c_2 * g(n))
注:(f(n) = Theta (g(n)), if and only if f(n) = O(g(n)) and f(n) = Omega (g(n)))
2、复杂度函数的运算规则
- (o(T_1(n) + T_2(n)) = max(O(T_1(n)), O(T_2(n))))
- 如果 (T(n)) 是阶数为 (k) 的任意多项式,则 (O(T(n)) = O(n^k))
- (O(T_1(n) * T_2(n)) = O(T_1(n)) * O(T_2(n)))
- (O(dominant terms + others) = O(dominant terms)) (dominant terms:主项)
- (O(T_1(n) - T_2(n)) = unknown)
3、O 和 =
-
对多项式 (f_1(n) = 3n^2 - 1000n + 25),有 (f_1(n) = O(n^2))
-
同样,对 (f_2(n) = 2n^2 + 5),有 (f_2(n) = O(n^2))
然而,这是否意味着 (f_1(n) = f_2(n)) ? 答案显然是“否”
-
显然,如果 (x = y) 且 (y = z),则 (x = z)
-
对于用O表示的复杂度,结合律不成立,= 等价于 (in)
4、O 表示中的常数
- 常系数无关紧要,可以丢弃
- 低阶项无关紧要,可以不要
- 以常数为底的对数函数中的常数指数也可以省略
- 能否去掉所有的指数? (O(n) equiv O(n^2)) ? 显然不对!