时间复杂度简单介绍

时间复杂度是什么？

首先，时间复杂度是一个函数，用大O表示，比如O(1)、O(n)、O(logN)…

主要用来定性描述一个算法的运行时间。

先来看下面的图，下面的图中列举了几种常见的时间复杂度：

在上面的图中，我们可以关注下面的几条线：

• 紫色的为1的线
• 以2为底的logN
• 绿色的为n的线
• 红色的为n的2次方的线

我们需要关注上面这几条线的走势，例如 红色的为n的2次方的线明显比绿色的为n的这条线要陡峭，所以红色的线表示的时间复杂度n的2次方大于绿色的线表示的n。

下面来通过代码来理解一下时间复杂度。

例如:

let i = 0;
i += 1;

上面的代码无论何时执行，永远都会执行一次，所以上面的这两行代码可以说他们的时间复杂度为O(1)。

再来看下面的代码，

for(let i = 0; i < n; i ++) {
	console.log(i);
}

上面的代码因为开启了一个循环，所以一共会执行n次。所以时间复杂度可以理解为O(n)。

再来看下面的代码：

let i = 0;
i += 1;
for(let j = 0; j < n; j ++) {
	console.log(j);
}

可以看到，上面的代码相当于是把之前的两个示例代码结合到一起。

第一段代码的时间复杂度为O(1), 第二段代码的时间复杂度为O(n)，那么这两段代码加在一起的时间复杂度为什么呢，是O(n+1)吗？

正确的时间复杂度应该为O(n)。

为什么两段不同的时间复杂度代码加在一起为O(n)呢？

计算时间复杂度的时候，如果两个时间复杂度的代码先后排列，要取时间复杂度更大的那个。

再来看下面的代码：

for (let i = 0; i < n; i++) {
    for (let j = 0; j < n; j++) {
        console.log(i, j);
    }
}

上面的代码中，嵌套了两层的for循环，那么此时如果要计算整体的时间复杂度，就需要将两个时间复杂度相乘。

第一层的时间复杂度为O(n), 第二层的时间复杂度为O(n)，二者相乘也就是: O(n) * O(n) = O(n ^ 2)。

时间复杂度的加法时，需要取较大的那个时间复杂度，忽略增长趋势较小的时间复杂度。时间复杂度为乘法时，就要按照正常的乘法来进行计算。

再来看下面的这一段代码：

let i = 0;
while (i < n) {
    console.log(i);
    i *= 2;
}

上面的代码实际上相当于在不断的计算2的一次方、2的二次方、2的三次方等等。直到最终结果大于等于 n。
那么while循环当中的代码到底执行了多少次呢？

答案是一共执行了logN次，通过数学中的log函数，可以计算出2的多少次方为N，所以说，此时上面的代码时间复杂度为O(logN)。

补充:
在数学当中，log函数的定义如下：

关于log函数，可以参考 这篇文章。