java+代码复杂度统计代码复杂度计算

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

java 计算时间复杂度

for(int p=0;pn*n;p++)

for(int q=0;qp;q++)

sum--;

下面java+代码复杂度统计我来简单解释一下为什么是O（n^4）

pjava+代码复杂度统计的所有取值java+代码复杂度统计，以及相对性的sum运算的次数如下

p的取值：0 1 2 3 4 ... (n^2 -1)

sum次数：0 0 1 2 3 ... (n^2 -2)

从上面的式子我们知道sum--执行的次数也就是sum次数的累加和：

0+0+1+2+3+...+(n^-2)=1+2+3+ ... +(n^2 -2)这里我们可以用求和公式java+代码复杂度统计，但是需要搞定一个这里有多少项，很明显(n^2 -2)项，带入求和公式如下

=(1+(n^2 -2))*(n^2 -2)/2=(n^2 -1)(n^2 -2)/2=(n^4 -3*n^2 +2)/2

所以答案是O(n^4)

相关问答

Q1: JAVA代码的时间复杂度如何计算，请高手给出详细解答，万分感谢

我觉得主要考虑和规模大小有关系的代码段，比如循环部分的时间复杂度，对于o(1)代码可以忽略掉

Q2: JAVA中算法的时间复杂程度是什么

JAVA中算法的时间复杂程度简而言之就是运算时候的执行次数的统计

1.时间频度

一个算法执行所耗费的时间，从理论上是不能算出来的，必须上机运行测试才能知道。但我们不可能也没有必要对每个算法都上机测试，只需知道哪个算法花费的时间多，哪个算法花费的时间少就可以了。并且一个算法花费的时间与算法中语句的执行次数成正比例，哪个算法中语句执行次数多，它花费时间就多。一个算法中的语句执行次数称为语句频度或时间频度。记为T(n)。

2.计算方法

1. 一般情况下，算法的基本操作重复执行的次数是模块n的某一个函数f（n），因此，算法的时间复杂度记做：T（n）=O（f（n））分析：随着模块n的增大，算法执行的时间的增长率和f（n）的增长率成正比，所以f（n）越小，算法的时间复杂度越低，算法的效率越高。 2. 在计算时间复杂度的时候，先找出算法的基本操作，然后根据相应的各语句确定它的执行次数，再找出T（n）的同数量级（它的同数量级有以下：1，Log2n ，n ，nLog2n ，n的平方，n的三次方，2的n次方，n！），找出后，f（n）=该数量级，若T(n)/f(n)求极限可得到一常数c，则时间复杂度T（n）=O（f（n））

例：算法：

for（i=1;i=n;++i）　

{

for(j=1;j=n;++j)

{

c[ i ][ j ]=0; //该步骤属于基本操作执行次数：n的平方次

for(k=1;k=n;++k)

c[ i ][ j ]+=a[ i ][ k ]*b[ k ][ j ]; //该步骤属于基本操作执行次数：n的三次方次

}

} 则有 T（n）= n的平方+n的三次方，根据上面括号里的同数量级，我们可以确定 n的三次方为T（n）的同数量级

则有f（n）= n的三次方，然后根据T（n）/f（n）求极限可得到常数c

则该算法的时间复杂度：T（n）=O（n的三次方）