网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
如何推导出时间复杂度呢?有如下几个原则:
- 如果运行时间是常数项量级,用常数1表示;
- 只保留时间函数中的最高阶项;
- 如果最高阶项存在,则省去最高阶项前面的系数。
示例:
- T(n) = 3n,最高阶项为3n,省去系数,转化的时间复杂度为:
T(n) = O(n)
- T(n) = 5logn,最高阶项为5logn,省去系数,转化的时间复杂度为:
T(n) = O(logn)
- T(n) = 2,常数项量级,转化的时间复杂度为:
T(n) = O(1)
- T(n) = 0.5n^2 + 0.5n,最高阶项为0.5n^2,省去系数0.5,转化的时间复杂度为:
T(n) = O(n^2)
这4种时间复杂度排序,当n的取值足够大时:
O(1) < O(logn) < O(n) < O(n^2)
从左往右耗时逐渐增大。
空间复杂度
在时间复杂度相同的情况下,算法占用的内存空间的大小称之为空间复杂度。(space complexity)
S(n) = O(f(n))
占用的内存空间越大,空间复杂度也就越大。
常见的空间复杂度:
1、常量空间
即算法占用内存大小始终固定;
2、线性空间
当算法分配的空间是一个线性的集合(如数组),并且集合大小和输入规模n成正比时,空间复杂度记作O(n)。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**