算法之复杂度分析（第一天）

前言：学习算法第一步，复杂度分析。复杂度分析是算法基础中的基础，万丈高楼平地起，要想大楼盖的高，地基必须得打牢。

为什么需要复杂度分析？

我们可以把代码跑一遍，通过统计、监控等，得到算法的执行时间和占用内存。这种统计方法叫做事后统计法。有非常大的局限性。

例如：在不同机器上同样的代码执行的时间不一样。测试数据规模太小，测试结果可能无法真实地反映算法的性能。即：

1. 测试结果非常依赖测试环境
2. 测试结果受数据规模的影响很大

所以需要一个不用具体的测试数据来测试，就可以粗略的估计算法的执行效率的方法。

大O 复杂度表示法

 int cal(int n) {
   int sum = 0;
   int i = 1;
   for (; i <= n; ++i) {
     sum = sum + i;
   }
   return sum;
 }

假设每行代码执行的时间是一样的，为unit_time。那么这段代码的总执行时间是多少？

第2、3 行分别需要1 unit_time的执行时间，第4、5 行都运行了n 遍，所以需要2n*unit_time，所以这段代码总的执行时间是(2n+2) * unit_time。可以看出来，所有代码的执行时间与每行代码的执行次数成正比。

T(n) = O(f(n))

• T(n) 表示代码执行的时间。

• n 表示数据规模的大小。

• f(n) 表示每行代码执行的次数总和。因为这是一个公司，所以用f(n) 来表示。

• O 表示代码的执行时间T(n) 与f(n) 成正比。

注：大O 时间复杂度实际上并不具体表示代码真正的执行时间，而是表示代码执行时间随数据规模增长的趋势，所以，也叫做渐进时间复杂度，简称时间复杂度。

公式中的低阶、常量、系数三部分并不左右增长趋势，所以都可以忽略，只需要记录一个最大量级就可以了。

所以我们上面那个例子的T(n) = O(2n+2)，即T(n) = O(n)。

怎么做时间复杂度分析

1. 只关注循环执行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的的乘积

常见的时间复杂度实例分析

• 常量阶O(1)
• 对数阶O(logn)
• 线性阶O(n)
• 线性对数阶O(nlogn)
• 平方阶O(n^{2)，立方阶O(n}3)，… K次方阶O(n^k)
• 指数阶O(2^n)
• 阶乘阶O(n!)

其中非多项式量级只有两个指数阶O(2^n)、阶乘阶O(n!)。当数据规模 n 越来越大时，非多项式量级算法的执行时间会急剧增加，求解问题的执行时间会无限增长。所以，非多项式时间复杂度的算法其实是非常低效的算法。

注：什么是单项式，什么是多项式。
由数和字母的积组成的代数式叫做单项式，单独的一个数或一个字母也叫做单项式。由若干个单项式相加组成的代数式叫做多项式。
我个人理解，有不对的地方，可以在下方评论区留言。
就只看上方加粗的时间复杂度，猛地一看他们是单项式的。但是我们在做时间复杂度分析的时候，把低阶、常量、系数这三部分都给忽略掉了，所以实际上上方加粗的时间复杂度，或多或少都带有低阶、常量或者系数，所以他们都是多项式量级的复杂。那两个非多项式量级的怎么理解，因为多项式是由单项式相加组成的代数式叫做多项式，而指数和阶乘并不满足这个条件，所以他们既不是单项式，也不是多项式。

来看几种常见的多项式时间复杂度。

1. O(1)

   首先你必须明确一个概念，O(1) 只是常量级时间复杂度的一种表示方法，并不是指只执行了一行代码。比如这段代码，即便有 3 行，它的时间复杂度也是 O(1），而不是 O(3)。

    int i = 8;
    int j = 6;
    int sum = i + j;
   

   只要代码的执行时间不随 n 的增大而增长，这样代码的时间复杂度我们都记作 O(1)。或者说，一般情况下，只要算法中不存在循环语句、递归语句，即使有成千上万行的代码，其时间复杂度也是Ο(1)。

2. O(logn)、O(nlogn)

3. O(m+n)、O(m*n)

空间复杂度分析

定义：理解了时间复杂度，空间复杂度就非常简单了。类比时间复杂度，空间复杂度的全称是渐进空间复杂度，表示算法的存储空间与数据规模之间的增长关系。

常见的空间复杂度：O(1)、O(n)、O(n2 )，像 O(logn)、O(nlogn) 这样的对数阶复杂度平时都用不到。而且，空间复杂度分析比时间复杂度分析要简单很多。所以，对于空间复杂度，掌握这些内容已经足够了。

不懂就查两个点

1. UAT：测试环境，UAT测试：俗称验收测试
2. 学习了对数：log

最后留下个思考题，请计算下方代码的时间复杂度，欢迎下方留言

int cal(int n) {
   int ret = 0; 
   int i = 1;
   for (; i < n; ++i) {
     ret = ret + f(i);
   } 
 } 
 
 int f(int n) {
  int sum = 0;
  int i = 1;
  for (; i < n; ++i) {
    sum = sum + i;
  } 
  return sum;
 }

注：学习极客时间王争老师的《数据结构与算法之美》，自己当做笔记用，顺带做一个小分享，如有侵权，联系我删除。另外强烈推荐这门课程，真的是非常好。