这是我自学之路的起点,在我看来时间复杂度与空间复杂度两个度量很容易理解,所以不在时间和空间的概念上做解释,用尽可能通俗易懂的方式来记录。
时间复杂度:说白了就是就是程序的算法在我们输入信息的时候,随着输入信息的增加,这个算法它需要运行的时间的走势,这东西如果直观来看就是类似于折线图,咱们通常会用O字符来表示。所以说以后看到这个符号就自然而然知道这个是时间复杂度的意思。
- O(1):常数时间复杂度,表示算法运行的时间不会随着输入信息变多然后变化。
- O(log n):对数时间复杂度,通常出现在二分查找等算法中。
- O(n):线性时间复杂度,算法的执行时间与输入规模成正比。
- O(n log n):如快速排序、归并排序等常见的排序算法。
- O(n^2):平方时间复杂度,通常出现在一些简单的嵌套循环中。
- O(2^n):指数时间复杂度,通常出现在递归算法中。
以上这些是常见的时间复杂度,理解即可。
空间复杂度:咱们已经知道时间复杂度,类比一下,就是程序的算法它在我们输入信息的时候,随着输入信息的增加,这个算法它需要运行的空间的走势。一样的道理,咱们也用O表示空间复杂度。这里有人会疑问这俩符号不是冲突了吗?实际上是俩符号并用的,不要纠结。咱们评估算法优良得结合两个复杂度来看。
- O(1):常数空间复杂度,算法的空间占用不随输入信息增多而变化。
- O(n):线性空间复杂度,算法的空间占用与输入规模成正比。
- O(n^2):平方空间复杂度,通常出现在二维数组等数据结构中。
- O(log n):对数空间复杂度,通常出现在递归调用的空间占用中