文章目录
我们如何判断一个算法的好与坏,如何对比不同的算法呢。答案就是 时间复杂度 和1空间复杂的。
1.1 时间复杂度
1.1.1 大O表示法
大O表示法,也就是算的的渐进时间复杂度
T(n) = O(f(n))
当量级增加时,我们算法执行时间的一个增长的趋势。
此处的 f(n) 代表的就是算法执行的次数
O 则代表一个正比关系。
1.1.2 举例1
for (int i = 1; i <= n; i++){
x++;
}
以上For Loop,有 N 层循环。
首先分析代码中各部分的执行次数:
- 首先,int i = 1 是只执行一次的。
- 之后是判断 i <= n;
- 然后是 x++;
- 再是 i++;
- 返回2,继续执行,直到 i > n;
由此可见,一共执行的次数为 1 + 3n 次,所以有 O(1 + 3n) == O(N)。
最后为什么会被简化为 O(n)呢?原因是大O表示法计算的是执行次数n接近于无限大的比例。当n接近于无限大时,这个1(常数) 和 3 对整体的影响已经无所谓了。
1.1.3 举例2
for(int