如何快速掌握大O表示法

如何判断一堆代码是否够简化，是否还有优化空间，除了在代码的写法上的优化外（比如把 if else 写成自己都看不懂的超长三目），另一种方法就是判断时间复杂度与空间复杂度，采用一定的方法为代码优化提供理论基础。

（本文是对极客时间学习的总结）

 

日常惯例，先来看一波什么是大O表示法吧； 据百度词条可知：

词条上说了大O表示法大概的概念，注意上述最后一句，当输入量n逐渐增大时，时间复杂度的极限情景称为算法的“渐进时间复杂度”，简单来说如果在输入量n很小，或者输入量n最大值已知的情况下，大O表示法大的并不一定在时间上就运行地慢，所以大O表示法只是一个 “渐进时间复杂度” 的概念，在写代码是可以提供一定的参考价值，并不一定十分准确，很多时间具体情况需要具体分析。

 

既然我们认识了什么是大O表示法，那接下来就先看一看有哪些层级：

直接上图：

 

我们先从第一个说起。

先看一个例子：

let a = 1;
let b = 2;
let c = a + b;

上述代码中每一行都是一个次执行时间，所以以上代码的时间复杂度是O(1+1+1)，所以代码的复杂度是O(1)。

大O表示法表示的是代码执行时间随数据规模增长的变化趋势，所以当n无限大时，可以忽略公式中的常量、低阶、系数三部分。

 再看下一段代码

function cal(n){
    let sum = 0;
    for (let i=0; i<n; i++) {
        sum += i;
    }
    return sum
}

代码中第二行只执行了一次所以复杂度是O(1)，第三四行代码执行了n次，所以复杂度就是O(n)，那么代码总体的复杂度就是O(1+n+n)，我们去掉常量和低阶，这段代码的时间复杂度就是O(n)。

再来看

function cal(n){
    let sum = 0;
    let sum1 = 0;
    for (let i=0; i<n; i++) {
        sum += i;
        for (let j = 0; j<n; j++){
            sum1 += j
        }
    }
    return [sum,sum1]
}

代码块中第二三行都是执行一次，复杂度都是O(1)，第四五行执行了n次，复杂度是O(n)，第六七行，执行了O(n*n)次，就是O(n²)，所以以上代码的复杂度就是O(1+1+n+n+n²+n²)，去掉常量和低阶，代码的复杂度就是O(n²)。

对于比较复杂的函数，分析方法是同样的。看下面代码

function cal(n){
    let sum = 0;
    let sum1 = 0;
    for (let i=0; i<n; i++) {
        sum += i + f(i);
    }
    return sum
}

function f(n){
    let sum = 0;
    let sum1 = 0;
    for (let i=0; i<n; i++) {
        sum += i;
    }
    return sum
}

代码块中如果不看f(i)，cal()函数只是一个普通的函数，第四五行就代表他的时间复杂度O(n)，因为f(i)，也是一个函数，所以第五行的复杂度不是O(n)而是O(n*n)，所以四五行总的复杂度就是O(n+n*n)，所以代码总的复杂度就是O(1+1+n+n²)，最后得到的就是O(n²)。

---

上面是几种最常见的复杂度例子，下面我们来看一点不一样的。

for (let i = 1; i<=n; i*=2) {
    console.log(i)
}

代码块中只有一个简单的循环，原本其复杂度应该是O(n)，但是因为条件从i++改为了i*=2，所以代码中的i的值就是一个等比数列

2º 2¹ 2² 2³ ...2^k...2^x = n，所以我们只需要知道x就知道代码的循环次数了。2^x = n,所以x=，所以时间复杂度就是，我们去掉其中的常数，最后的时间复杂度就是O(logn)。

上面代码的复杂度是O(logn)，如果我们按照这个方法将他循环n遍，那么他的复杂度就是O(n*logn)，最后得到的结果是O(nlogn)，这就是O(nlogn)的由来了。

代码的时间复杂度暂时就总结到这，后续还有最好情况时间复杂度，最坏情况时间复杂度、平均情况时间复杂度和均摊情况时间复杂度。下次更新再总结。

---

提一嘴

function select(word, arr){ 
    for(let i=0; i<arr.length; i++){
        if(arr[i]==word) return i
    }
}

上面代码块中如果word刚好在数组第一个位置，那么循环在第一次的时候结束的时候就退出了，那么上面代码复杂度就是O(1)，如果在数组的第n个位置数组循环了n次，那么复杂度就是O(n)，所以这就是最好情况时间复杂度和最坏情况时间复杂度。