前端面试（数据结构算法篇）

算法复杂度：空间，时间

什么是复杂度

• 程序执行时需要的计算量和内存空间（和代码是否简洁无关）
• 复杂度是数量级（方便记忆，推广），不是具体的数字
• 一般针对一个具体的算法，而非一个完整的系统

时间复杂度-程序执行时需要的计算量（CPU）

• O(1) 一次就够（数量级）
• O(n) 和传输的数据量一样（数量级）
• O(n^2) 数据量的平方（数量级）

O(1) 的空间复杂度代码展示

function fn (obj = {}) {
    // O(1)
    return obj.a + obj.b +obj.c
}

O(n)的空间复杂度代码展示

function fn(array = []) {
  // O(n)
  for (let index = 0; index < array.length; index++) {
    const element = array[index];
    console.log(element)
  }
}

O(n^2)的空间复杂度代码展示

function fn(array = []) {
  // O(n^2)
  for (let index = 0; index < array.length; index++) {
    for (let j = 0; j < array.length; j++) {
      const element = array[j];
      console.log(element)
    }
  }
}

O(log N)的图例

•  O(logn)数量级的对数（数量级别）
• O（n*logn)数据量+数量级的对数（数量级）

代码演示

function fn(array = []) {
  // O（n*logn)
  for (let index = 0; index < array.length; index++) {
    // 二分
  }
  O (n^2) //嵌套关系
}