复杂度分析

为什么需要复杂度分析？

           代码跑一遍，通过统计、监控，就能得到算法执行的时间和占用的内存大小。这种评估算法执行效率的方法是正确的，叫事后统计法，但是有很大的局限性。

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

大O复杂度表示法

     算法的执行效率，粗略的讲，就是算法代码执行的时间。

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

假设每个语句的执行时间是unit_time.那这段代码的总执行时间T(n)是多少呢？

第2、3、4行代码，每行都需要1个unit_time的执行时间，第5、6 行代码循环执行了n遍，需要2n*unit_time的执行时间，第7、 8行代码循环执行了n² * unit_time 的执行时间。所以，整段代码总的执行时间T(n) = (2n² + 2n +3) * unit_time。

规律：所有代码的执行时间T(n)与每行代码的执行次数n成正比。

总结为一个公式大O：T(n) = O(f(n))

T(n)：表示代码的执行时间

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

O：表示代码的执行时间T(n)与f(n)表达式成正比

大O时间复杂度实际上并不具体表示代码的真正的执行时间，而是表示代码执行时间随数据规模增长的变化趋势，所以叫作：

渐进时间复杂度，简称时间复杂度。

时间复杂度分析

1.只关注循环执行次数最多的一段代码(单段代码看高频：比如循环)

2.加法法则：总复杂度等于量级最大的那段代码的复杂度（多段代码取最大：比如一段代码中有单循环和多重循环，那么取多重循环的复杂度）

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（嵌套代码求乘积：比如递归、多重循环）

4多个规模求加法：比如方法中有两个参数控制两个循环的次数，那么这时就取二者复杂度相加。

分为两类：多项式量级和非多项式量级

多项式量级只有两个：O(2n) 和 O(n!)

时间复杂度为非多项式量级的算法问题叫作NP问题

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。

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。只要代码的执行时间不随n的增长而增长，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，即使有成千上万行代码，其时间复杂度也是O(1)。

2. O(logn)、O(nlogn)

i = 1; while(i <= n){ i = i * 2; }

从 代码中可以看出，变量i的值从1开始取，每循环一次就乘以2.当大于n时，循环结束。

通过 2x=n 求解 x 这个问题我们想高中应该就学过了，x=log2n

时间复杂度就是 O(log2n)

统一为O(logn)。

如果循环执行n遍，时间复杂度就是O(nlogn)，比如归并排序、快速排序的时间复杂度。

3.O(m+n)、O(m*n)

代码的复杂度由两个数据的规模来决定。

int cal(int m,int n){    int sum_1 = 0;    int i = 1;    for(;i < m; ++i){     sum_1 = sum_1 + i;   }     int sum_2 = 0;   int j = 1;   for(; j< n; ++j){   sum_2 = sum_2 + j;   }     return sum_1 + sum_2; }

m和n是表示两个数据规模，我们无法事先评估m和n谁的量级大，所以我们在复杂度的时候，就不能简单的利用加法规则，省略掉其中一个，所以时间复杂度为O(m+n)

空间复杂度分析

空间复杂度全称渐进空间复杂度，表示算法的存储空间与数据规模之间的增长关系。

void print(int n){  int i = 0;  int [] a = new int[n];  for(i; i < n; ++i){   a[i] = i * i;  }   for(i = n -1; i >= 0; --i){  print out a[i];  } }

 跟时间复杂度分析一样，我们可以看到，第2行代码中，我们申请了一个空间存储变量i,但是它是常量阶的，跟数据规模n没有关系，所以我们可以忽略，第3行申请了一个大小为n的int类型数组，除此之外，剩下的代码都没有占用更多的空间，所以整段代码的空间复杂度就是O(n)

 常见的空间复杂度就是 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。