01-复杂度分析

数据结构与算法，一定离不开时间、空间复杂度分析

 

复杂度的分析大致概要如下图：

 

大 O 时间复杂度表示法：T(n) = O( f(n) )

表示代码执行时间随数据规模增长的变化趋势

 

时间复杂度的分析方法

1. 只关注循环执行次数最多的一段代码

大 O 这种复杂度表示方法只是表示一种变化趋势。我们通常会忽掉公式中的常量、低阶、系数，只需要记录一个最大阶的量级

 时间复制度为O（n）

 

2. 加法法则：总复杂度等于量级最大的那段代码的复杂度

时间复杂度为最大的量级   O（n^2） 

3. 乘法法则：嵌套代码的复杂度等于嵌套内外代码复杂度的乘积

时间复杂度为嵌套乘积 O（n^2）

 

当然还有其他时间复杂度 如  由不同数据规模相加或嵌套的 O(m+n)、O(m*n)   还有对数级的 O(logn)、O(nlogn)

时间复杂度为O(m+n)

 

时间复杂度为O(logn)

 

 

空间复杂度分析 ：表示算法的存储空间与数据规模之间的增长关系

申请了一个大小为n的数组空间 空间复杂度为O(n)