文章讨论了时间复杂度和空间复杂度在衡量算法效率上的作用。时间复杂度关注算法执行时间随数据规模增长的趋势，举例介绍了大O表示法，如O(n)和O(logn)。空间复杂度则关注算法执行过程中额外所需的空间，以二分查找为例，指出其最坏情况和最好情况下的时间复杂度，并说明其空间复杂度通常为O(1)。
时间复杂度是用来衡量一个算法的执行，随着数据规模增大，而增长的时间成本
是不依赖于环境因素的
大O表示法
fn=3*n+3
gn=n
c=4,在n=3后，gn可以作为fn的渐进上界，表示为O（n）
fn=5*floor(log2(n))+9
gn=log2(n)
O(log2n)
按时间复杂度从低到高
O(1)
O(log(n))
O(n)
O(n*log(n))
O(n^2)
O（2^n）
O(n!)
空间复杂度用来衡量一个算法执行岁数据规模增大，而增长的额外空间成本
对于二分查找来说
最坏情况O(logn)
最好情况O(1)
空间复杂度
需要长湖三个指针i j m，因此额外占用的空间是O(1)
扫一扫
1970
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
