复杂度理论

概述

量化一个算法的时间和空间

内存空间

• 栈空间（Stack Space）
  • 概念：操作系统开辟出的一个固定大小的空间，该空间不大，专门用来进行函数调用和递归等操作
  • 栈溢出（Stack Overflow）：程序开辟过多内存，超过固定空间
  • 包含
    1. 函数参数与返回值
    2. 函数的局部变量
• 堆空间（Heap Space）
  • 概念：保存的是具体信息（如对象，在Java中堆内存空间的开辟由new完成）
• 二者的联系
  • 栈空间保存的是一块堆内存地址，即 栈内存 -> 堆内存 -> object

时间复杂度

•  基本可以确定是二分法

• 运算举例

1. 
2. 

• 多项式（Polynomial）：一般在底数位置，不在幂次项

1.  /  / 
2.  / 
3.  / 

• 非多项式（Nondeterministic Polynomial）

1.  /  / 

• 小o：最好复杂度

• 大O：最坏复杂度

• 只考虑最高项

1. 

• 不考虑常数项和系数

1. 

• T函数推导

1. T: Time Complexity
2. n: 问题规模（比如数组大小）
3. T(n): 求处理问题规模为n的数据的时间复杂度是多少？
4. 推到方法：不断展开的方法

空间复杂度

• 一般指额外空间复杂度，即不包含输入输出

编程复杂度

• 看得懂

思维复杂度

• 想得出