本文目录
2道时间复杂度的选择题
1，假设A的时间函数T1(n) = n^2，A2的时间函数可以是T2(n) = 2n^2（相差n平方），或者
n^2 + n（相差n），或者也是n^2+1，相差为常数1，所以是A-C都可能。
2，A2的时间复杂度由两部分组成，一部分是10次A1调用，这部分复杂度和规模n无关，是
O(1)，其他部分当日也是O(1)，题目已经给出了。所以A2的复杂度也是O(1)。
谁帮我做下下面的关于时间复杂度的习题
1.对，因为f(n)和g（n）的最高次幂相同，都是n^3.
2.同样正确，只要看最高次幂，别的都可以忽略不计。
3.对，因为nlgn的幂小于n^1.5.
4.错，理由同上。
四个时间复杂度相同。
递归算法时间复杂度题目求解答.
1、递归
是指对一个问题的求解，可以通过同一问题的更简单的形式的求解来表示.
并通过问题的简单形式的解求出复杂形式的解.
递归是解决一类问题的重要方法.
递归程序设计是程序设计中常用的一种方法，它可以解决所有有递归属性的问题，并且是行之有效的.
但对于递归程序运行的效率比较低，无论是时间还是空间都比非递归程序更费，若在程序中消除递归调用，则其运行时间可大为节省.
以下讨论递归的时间效率分析方法，以及与非递归设计的时间效率的比较.
2
时间复杂度的概念及其计算方法
算法是对特定问题求解步骤的一种描述.
对于算法的优劣有其评价准则，主要在于评价算法的时间效率，算法的时间通过该算法编写的程序在计算机中运行的时间来衡量，所花费的时间与算法的规模n有必然的联系，当问题的规模越来越大时，算法所需时间量的上升趋势就是要考虑的时间度量.
算法的时间度量是依据算法中最大语句频度（指算法中某条语句重复执行的次数）来估算的，它是问题规模n的某一个函数f(n).
算法时间度量记作：t（n）=o（f（n））
它表示随问题规模n的增大，算法执行时间的增长率和f（n）的增长率相同，称作算法的时间复杂度，简称时间复杂度.
例如下列程序段：
（1）x=x+1;（2）for(i=1;i《=n;i++)
x=x+1;（3）for(j=1;j《=n;j++)
for(k=1;k《=n;k++)
x=x+1.
以上三个程序段中，语句x=x+1的频度分别为1，n，n2，则这三段程序的时间复杂度分别为o（1），o（n），o（n2）.
求解过程为：先给出问题规模n的函数的表达式，然后给出其时间复杂度t（n）.
但是在现实程序设计过程中，往往遇到的问题都是比较复杂的算法，就不能很容易地写出规模n的表达式，也比较难总结其时间复杂度.
递归函数就是属于这种情况.
下面举例说明递归函数的时间复杂度的分析方法.
算法的时间复杂度计算问题
第一题:
int
i=1,k=100这条语句算法步数是2步，执行频率是1;
循环中，
k=k+1;这条语句每次算法步数是1;执行频率是n/2-1;
i+=2这条语句每次算法步数是1;执行频率是n/2-1;
所以算法复杂度为1*(n/2-1)+1*(n/2-1)+2=n=o(n);
算法时间复杂度的计算例题
第一题：
int i=1,k=100这条语句算法步数是2步,执行频率是1；
循环中, k=k+1;这条语句每次算法步数是1；执行频率是n/2-1; i+=2这条语句每次算法步数是1；执行频率是n/2-1;
所以算法复杂度为1*（n/2-1）+1*（n/2-1）+2=n=o(n);
计算机数据结构时间复杂度
时间复杂度计算为近似计算
计算原则
留高阶，去低阶，去常数，近似取值
n（n-1）/2
=(n^2)/2+n/2（n/2:就是低阶，因为它一次方；n^2的二分之一：是常数）
约等于=n^2
时间复杂度为：O(n^2)
例如
100000*(n^3)+n^2+n+10000000;
根据计算原则
复杂度为O(n^3)
数据结构“时间复杂度”的题目
1.C 二重循环，复杂度就是O(mn)
2.D 这个是特殊一点的二重循环，次数为1+2+……+n=n(n+1)/2，即D
3.B 这个是递归，求n!，也就是n*(n-1)*……*1，递归n次，复杂度为O(n)
不懂可问望采纳！
