1樓：匿名使用者
簡單說就是解決乙個問題的最多步驟次數這裡 因為有三個迴圈 所以最多要n^3次（n*n*n）所以時間複雜度是o(n^3）
資料結構中演算法的時間複雜度怎麼理解？
2樓：匿名使用者
就是基本操作語句執行的次
數如果你能確定基本執行語句，那就可以假設需要執行的次數是n，然後根據程式的控制部分得到關於n的乙個函式，就可以求的了。
如int int=3；
do{i*=3；
）while（i<100）；
那麼我們可以這樣立即，就是i*=3是基本語句，do~while是控制結構，在控制結構下，要保證
i*=3執行n此後，能使得最後i<100退出控制結構。
那麼你去算吧，對於i來說，每次都是乘以3，那執行n次，就相當於乘了n個3，然後滿足了<100、因此可以組成乙個函式 就是3的n次方<100那你解方程來求n
就得了。
不過時間複雜度用漸進函式表示的。
3樓：匿名使用者
比如資料規模n，時間複雜度就是執行開始到結束大概需要迴圈的平均次數 跟n的關係
資料結構中演算法的時間複雜度是什麼？
4樓：匿名使用者
程式所用時間關於資料規模的函式
比如：給n個數排序需要n^2的時間
時間複雜度就是o（n^2）
通常有o(2) 常數 與輸入資料規模無關
o(n) 成正比
o(log2n) 平方與資料規模成正比
o(n^2) 與資料規模的平方成正比
o(n^3) ……三次方……
o(n!) 階乘
資料結構中的時間複雜度怎麼算啊？看不懂啊，有沒有具體的公式
5樓：散live悠名
看迴圈的次數，比如for（k=1;k<=n;k*=2)這種巢狀迴圈；首先第乙個 k=1時候如果
小於版每次都是乘以2然後與n進行比較
權，那反過來只要進行log（2）n次，因為求的就是2的多少次方等於或者大於n，第二個的話就是1一直到n然後就是n。然後這個又是巢狀迴圈所以相乘就好了，這個時間複雜度度就是o（nlog（2）n）。這種主要是理解每一層迴圈的次數，然後巢狀就相乘，不是巢狀就取最大的那個迴圈。
6樓：殘若惜雨
時間複雜度只是乙個概念，沒有計算公式
7樓：匿名使用者
只能看**，主要是for迴圈，乙個for是n，兩個for是n平方，
8樓：倪斯榮瑩然
看迴圈的次數，bai比如for（k=1;k<=n;k*=2)這種巢狀循du環；zhi首先第乙個
k=1時候dao如果小於每
次都是乘以版2然後與權n進行比較，那反過來只要進行log（2）n次，因為求的就是2的多少次方等於或者大於n，第二個的話就是1一直到n然後就是n。然後這個又是巢狀迴圈所以相乘就好了，這個時間複雜度度就是o（nlog（2）n）。這種主要是理解每一層迴圈的次數，然後巢狀就相乘，不是巢狀就取最大的那個迴圈。
9樓：
求時間複雜度，
bai其實是在統du計基本操作步驟的執
zhi行次數。
「基本操dao作步驟」指的回是加減乘除這種。比答如有乙個for迴圈，執行n次，每次做乙個加法乙個乘法，那麼總的操作步驟數就是2n，用大o記號就是o(n).
原理就是這麼簡單，計數而已。
實際做題的時候，看清楚for迴圈的巢狀層數，就差不離。
資料結構裡面的時間複雜度怎麼計算？？？java版的！
10樓：匿名使用者
很簡單啊...假設 有n個資料（要求對其排序）。如果需要 執行 n*n次才能處理完，我們就說該演算法的效率是o(n*n)。同理，如果需 n 次的話，就認為是 o(n)
11樓：匿名使用者
每種結構都有不同的計算。建議看看的《資料結構（java版本）》的書
資料結構中演算法的時間和空間複雜度怎麼計算
12樓：匿名使用者
你好．t(n)＝o( f (n) ) 表示時間問題規模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 時間複雜度．如下：1. 2.
for (i=1;i<=n;++i) 3. for ( j=1; j<=n;++j ) for (k+1;j<=n;++k) 基本操作「x增1」的語句的頻度分別為1.n和n的平方．則這三個程式段的時間複雜度分別 為．o(1).
o(n)..o(n平方)．分別為常量階．線性階．和平方階．．．演算法可能呈現 的時間 複雜度還有對數階o(long n) ．指數階o(2 n方)等 ．空間複雜度： s(n)=o(f(n))其中n為問題的規模（或大小）．乙個上機執行的程式 除了需要儲存空間來寄存本身所用指令．常數．變數和輸入資料外．也要一些對資料進行操作 的工作單元和儲存一些為實現計算所需資訊的空間．若輸入資料所佔的空間只取決於問題本身，和演算法無關，則只要分析除輸入和程式之處的額處空間，否則應同時考慮輸入本身所需空間...
有點抽象．．．因為本人也學不好．所以．只能回答這些．．見諒．．
13樓：匿名使用者
排序演算法 所謂排序，就是使一串記錄，按照其中的某個或某些關鍵字的大小，遞增或遞減的排列起來的操作。 分類 在電腦科學所使用的排序演算法通常被分類為： 計算的複雜度（最差、平均、和最好表現），依據串列（list）的大小（n）。
一般而言，好的表現是o。(n log n)，且壞的行為是ω(n2)。對於乙個排序理想的表現是o(n)。
僅使用乙個抽象關鍵比較運算的排序演算法總平均上總是至少需要ω(n log n)。 記憶體使用量（以及其他電腦資源的使用） 穩定度：穩定排序演算法會依照相等的關鍵（換言之就是值）維持紀錄的相對次序。
也就是乙個排序演算法是穩定的，就是當有兩個有相等關鍵的紀錄r和s，且在原本的串列中r出現在s之前，在排序過的串列中r也將會是在s之前。 一般的方法：插入、交換、選擇、合併等等。
交換排序包含氣泡排序（bubble sort）和快速排序（quicksort）。選擇排序包含shaker排序和堆排序（heapsort）。 當相等的元素是無法分辨的，比如像是整數，穩定度並不是乙個問題。
然而，假設以下的數對將要以他們的第乙個數字來排序。 (4, 1) (3, 1) (3, 7) (5, 6) 在這個狀況下，有可能產生兩種不同的結果，乙個是依照相等的鍵值維持相對的次序，而另外乙個則沒有： (3, 1) (3, 7) (4, 1) (5, 6) (維持次序) (3, 7) (3, 1) (4, 1) (5, 6) (次序被改變) 不穩定排序演算法可能會在相等的鍵值中改變紀錄的相對次序，但是穩定排序演算法從來不會如此。
不穩定排序演算法可以被特別地時作為穩定。作這件事情的乙個方式是人工擴充鍵值的比較，如此在其他方面相同鍵值的兩個物件間之比較，就會被決定使用在原先資料次序中的條目，當作乙個同分決賽。然而，要記住這種次序通常牽涉到額外的空間負擔。
排列演算法列表 在這個**中，n是要被排序的紀錄數量以及k是不同鍵值的數量。 穩定的 氣泡排序（bubble sort） — o(n2) 雞尾酒排序 (cocktail sort, 雙向的氣泡排序) — o(n2) 插入排序 （insertion sort）— o(n2) 桶排序 （bucket sort）— o(n); 需要 o(k) 額外 記憶體 計數排序 (counting sort) — o(n+k); 需要 o(n+k) 額外 記憶體 歸併排序 （merge sort）— o(n log n); 需要 o(n) 額外記憶體 原地歸併排序 — o(n2) 二叉樹排序 （binary tree sort） — o(n log n); 需要 o(n) 額外記憶體 鴿巢排序 (pigeonhole sort) — o(n+k); 需要 o(k) 額外記憶體 基數排序 （radix sort）— o(n·k); 需要 o(n) 額外記憶體 gnome sort — o(n2) library sort — o(n log n) with high probability, 需要 (1+ε)n 額外記憶體 不穩定 選擇排序 （selection sort）— o(n2) 希爾排序 （shell sort）— o(n log n) 如果使用最佳的現在版本 ***b sort — o(n log n) 堆排序 （heapsort）— o(n log n) **oothsort — o(n log n) 快速排序 （quicksort）— o(n log n) 期望時間, o(n2) 最壞情況; 對於大的、亂數串列一般相信是最快的已知排序 introsort — o(n log n) patience sorting — o(n log n + k) 最外情況時間, 需要 額外的 o(n + k) 空間, 也需要找到最長的遞增子串行（longest increasing subsequence） 不實用的排序演算法 bogo排序 — o(n × n!) 期望時間, 無窮的最壞情況。
stupid sort — o(n3); 遞迴版本需要 o(n2) 額外記憶體 bead sort — o(n) or o(√n), 但需要特別的硬體 pancake sorting — o(n), 但需要特別的硬體 排序的演算法 排序的演算法有
資料結構中 時間複雜度是如何計算的（詳細點啊……）
14樓：匿名使用者
時間複雜度：抄基本操作重複執行的bai次數的階數 t(n)=o(f(n))
以下du六種計算演算法時間zhi
的多項式是最常用的。其dao關係為：
o(1) 指數時間的關係為： o(2n) 當n取得很大時，指數時間演算法和多項式時間演算法在所需時間上非常懸殊。 例1：nxn矩陣相乘 for(i=1;i<=n;i++) for(j=1;j<=n;j++) t(n)=n^3 資料結構與演算法 演算法的時間複雜度是怎麼求的 15樓：匿名使用者 就是求乙個多項式，比如for(i=0;i數是n次，那麼這個複雜度就內是o(n) for(i=0;i容是n^2所以複雜度是o（n^2） 資料結構演算法的時間複雜度 16樓：匿名使用者 按照分析慣例，假設所有單一運算的時間複雜度均為1 x=n; ......1 while(x>=(y+1)*(y+1)) ......4(兩次加法、1次乘法、1次比較) y=y+1 ......1 時間複雜度 = 1 + (4 + 1) x 迴圈次數 迴圈次數是由n和y的初始值決定的，假設迴圈次數為n，y的初始值為y0，y的結束狀態為yn，有 x < (yn + 1)*(yn + 1) ......假設y的初始值為整數，則yn為滿足該式的最小整數 n = (yn - y0) / 1 ......因為每次迴圈y的遞增量為1 1式簡化為 x = (yn + 1)*(yn + 1)，可得：yn = n^(1/2) - 1 所以n = n^(1/2) - 1 - y0 採用大o表示法，僅考慮最高次項，則求n的複雜度為o(n^(1/2)) 進而求得你這3行**的 總體複雜度 = 1 + (4 + 1) x o(n^(1/2)) 由於已知的常數項及非最高次項通常會被忽略（大o精神），所以總時間複雜度為o(n^(1/2)) 簡單理解，時間複雜度就是執行語句被呼叫了多少次。1 如果只呼叫了一次，如 x 5 if x 4 else 在大括號中的內容，只會呼叫乙個語句，那麼o n 1 2 如果呼叫了兩次，如 x 5 if x 4 else x x 56 在大括號中的內容，只會呼叫乙個語句，但是在最後，還有乙個計算公式要呼叫語... 通俗來說 空間複雜度是指運算過程中佔用的記憶體和輸入的漸進關係。時間複雜度是指運算過程中使用的時間和輸入的漸進關係。有窮性是指在有限時間內可以結束運算。演算法的時間複雜度與空間複雜度各是什麼意思 是說明乙個程式根據其資料n的規模大小 所使用的大致時間和空間說白了 就是表示 如果隨著n的增長 時間或空... 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 常見的幾種排序演算法複雜度如下 方式 平均 最壞 最好 插入 n 回2 n 2 n 希爾 n 1.3 冒泡 n 2 n 2 n 快速 nlogn n 2 nlogn 選擇 n 2 ...資料結構時間複雜度怎麼求
演算法的空間複雜度,時間複雜度,有窮性分別是什麼意思
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