执行代码,通过统计,监控等工具,计算算法的执行时间,占用的内存大小等。这种方法叫做事后统计法。
缺点:a 测试结果非常依赖测试环境 b 测试结果受数据规模的影响很大
时间复杂度分析方法
1.只关注循环次数最多的一段代码
2.加法法则:总复杂度等于量级最大的那段代码的复杂度
3.乘法法则:嵌套代码的复杂度:等于嵌套内外代码复杂度的乘积
几种常见时间复杂度:
1.O(1) 只要复杂度不随着n的增长而增长,都视为O(1)
一般情况下,只要不存在循环语句,递归语句,即使有成千上万行代码也是O(1)
2.O(logn) O(nlogn)
Log2n * log32 = log3n
Log2n = x ——> 2的x次方 = n
O(nlogn)复杂度:将一段时间复杂度为O(logn)执行n次 常见算法:归并排序,快速排序
3.O(m+n) O(m*n)
常见空间复杂度:
O(1) O(n) O(n*n) 不会出现指数形式的空间复杂度,主要看申请的空间数量
![](https://i-blog.csdnimg.cn/blog_migrate/f1df2223278f9f64a84562cffde8155c.jpeg)
复杂度大小排序:
O(1) < O(logn) < O(n) < O(nlogn) < O(n*n)
最好,最坏情况时间复杂度
分别指的是最理想的情况下时间复杂度,以及最糟糕情况下的时间复杂度
平均时间复杂度分析:
多数情况下,我们不考虑最好,最坏时间复杂度,只有当存在一定的量级差异时才去计算
均摊时间复杂度