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)