算法的时间复杂度和空间复杂度

时间复杂度

通过读程序可以分析出来，一般时间复杂度分为七类。

o(1)常数复杂度

o(2)、o(3)、o(4)、o(5)…，只要是常数式的复杂度，统称为o(1)，不管是多少次。

int n=1000;
System.out.println("n="+n);
System.out.println("还是n="+n);
System.out.println("依然是n="+n);

不管n是多少，这段程序只执行一次，所以时间复杂度是o(1)。

o(lg(n)) 对数复杂度

for(int i=1;i<n;i=i*2){
    System.out.println(i);
}

o(n)线性复杂度

for(int i=1;i<=n;i++){
    System.out.println(i);
}

随着n的变化，程序总是要执行n次，这种时间复杂度就是o(n)

o(n^2) 平方

for(int i=1;i<=n;i++){
    for(int j=1;j<=n;j++){
        System.out.println(i+j);
    }
}

随着n的变化，程序总是要执行n^2次，这种时间复杂度就是o(n^3)

o(n^3) 立方

同上依次类推。

o(k^n) 指数级复杂度

计算斐波拉契数列，通过递归计算是非常慢的，指数级，时间复杂度是 o(2^n)。

int fib(int n){
    if(n<2) return n;
    return fib(n-1) + fib(n-2);
}

如果代码改成如下的样子，时间复杂度度就是o(3^n)。

int fib(int n){
    if(n<3) return n;
    return fib(n-1) + fib(n-2) + if(n-3);
}

o(n!)阶乘

待补充

常见算法的时间复杂度

• 二叉树、图的遍历和搜索算法(包括广度优先和深度优先) 时间复杂度都是o(n)，这里的n指的是搜索空间里的节点总数，一个原则就是每个节点只访问一次且仅访问一次
• 二分查找法，时间复杂度是o(lg(n))

空间复杂度

数组

如果是一维数组，那么空间复杂度就是o(n)。

如果是二维数组，那么空间复杂度就是o(n^2)

递归

如果有递归的话，那么递归的最大深度就是空间复杂度的最大值。

如果有递归，又有数组，那么空间复杂度就是两者中的最大值。