1 时间复杂度:是指执行当前算法所消耗的时间
1、常数阶O(1):无论代码执行了多少行,只要是没有循环等复杂结构,消耗的时间并不随着某个变量的增长而增长,那时间复杂度就都是O(1)
例:
int i = 1;
j = 2;
++i;
j++;
int m = i + j;
2、线性阶O(n):大多数遍历
例:for循环里面的代码会执行n遍,因此它消耗的时间是随着n的变化而变化
for(i=1; i<=n; ++i) {
j = i;
j++;
}
3、平方阶O(n²):双重循环
4、立方阶O(n³):三重循环
5、对数阶O(logN):二分查找、二叉搜索树
例:
// 假设循环x次之后,i就小于等于1了,此时这个循环就退出了,也就是说n的1/2的x次方等于1,n*(1/2)^x = 1 --> n/2^x = 1 --> n = 2^x (2^x = n) --> x = log2^n
for (i = n; i >= 1; i = i / 2) {
printf("%d", i);
}
// 假设循环x次之后,i就大于n了,此时这个循环就退出了,也就是说2的x次方等于n,2^x = n --> x = log2^n
for (i = 1; i < n; i = i * 2) {
printf("%d", i);
}
// 次数 i n = 1024+
1 | 2
2 | 4
3 | 8
4 | 16
5 | 32
6 | 64
7 | 128
8 | 256
9 | 512
10 | 1024
6、线性对数阶O(nlogN):时间复杂度为O(logn)的代码循环n遍
7、指数阶(2^n):遍历满二叉树、递归
8、O(n!): Factorial阶乘
2 空间复杂度:是指执行当前算法临时需要占用多少内存空间大小
1、常量级空间:0(1)
例:
int i = 1;
int j = 2;
++i;
j++;
int m = i + j;
2、数组的长度:O(n)/O(N^2)。例:new Int[n+1] --> O(n)
例:第一行new了一个数组出来,这个数据占用的大小为n,这段代码的2-6行,虽然有循环,但没有再分配新的空间,因此,这段代码的空间复杂度主要看第一行即可
int[] m = new int[n]
for(i=1; i<=n; ++i) {
j = i;
j++;
}
3、递归的深度:O(n)。例:n = 5, 满二叉树有5层,递归满二叉树5次
3 时间空间复杂度汇总
![在这里插入图片描述](https://img-blog.csdnimg.cn/20201115105630456.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5saWd1YW4=,size_16,color_FFFFFF,t_70#pic_center)