算法的时间复杂度和空间复杂度

参考简书

1. 什么是时间复杂度

输入复杂度为n，代码执行时间复杂度函数O是执行次数f(n)的函数，记做O(f(n))。随着n的增大，O(f(n))与f(n)增长率相同，用f(n)近似代表O(f(n))。

2. 如何计算O

复杂度计算忽略了系数和低阶项。

① O(1)，常数阶，与n取值无关，运行次数固定，以下执行一次

# 计算1到100的和
n=100
print((1+n)*n/2)

② O(n)，线性阶，是n的一次函数，以下执行n次

# 计算1到100的和
n=100
sum=0
for i in range(n+1):
    sum=sum+i
print(sum)

③ O(n²)，平方阶，是n的平方函数，以下执行n²次

n=100
for i in range(n):
	for j in range(i, n)
    	sum=sum+j
print(sum)

两个循环嵌套是n²，三个嵌套就是n³，依次类推

④ O(logn)，对数阶，是n的对数函数。2ⁱ=n，i=logn

n=100
i=1
while i < n:
    i=i*2
print(i)

3. 复杂度比较

以下为几种常见复杂度

常用的时间复杂度所耗费的时间从小到大依次是：

O(1) < O(logn) < O(n) < O(nlogn)	< O(n2) < O(n3) < O(2n)	< O(n!) < O(nn)
较好	一般	较差

除非特别说明，一般提到的时间复杂度都是情况最坏的复杂度

4. 空间复杂度

算法的空间复杂度是指算法运行所需要的辅助空间。