在计算机的算法中,需要考虑时间复杂度和空间复杂度。时间复杂度与计算的时间有关,空间复杂度与占有的内存相关。达到相同的目标,时间复杂度和空间复杂度相对低的代码,效率更高,对内存的占用更少。
我们平时需要用到的时间复杂度一般包含了O(logn), O(n), O(nLogn), O(n²),平时 用的空间复杂度一般包含了O(n),O(n²)。
在考虑复杂度时,忽略常量,系数,和低阶的复杂度。
假设执行一行代码所需的时间叫做一个unit time, 在上门这段代码中, 第2,3行各执行了一次,第4, 5行各执行了n次。那么这段代码的时间复杂度2 + 2n 个unit time。
所有代码的执行时间T(n)与每行代码的执行次数成正比。 这个规律总结成了一个公式 T(n)= O(f(n)). 在上门那个例子中,该函数执行所需的时间是T(n), f() 是计算时间复杂度的公式, n 执行次数最多的那一行代码所需要执行的次数。
大O的时间复杂度表示法,指代码执行时间随数据规模增长的变化趋势,叫做渐进时间复杂度,简称时间复杂度。
当n足够大时,比如几百亿, 那么公式中的常量,系数,低阶都可以忽略不计。 所以我们就叫时间复杂度为 O(logn), O(n), O(nLogn), O(n²)。前面四个复杂度由低到高排列。
在计算时间复杂度时,有三个基本原则:
- 只关注循环次数最多的一行代码
- 总复杂度