时间复杂度分析 空间复杂度分析

时间复杂度分析

大 O 时间复杂度：表示代码执行时间随数据规模增长的变化趋势，所以，也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

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实例分析

1.O(1)

int i = 1;
int j = 1;
int sum = i + j;

2. O(logn)、O(nlogn)

 int i = 1;
 int n = 10;
 while (i <= n)  {
   i = i * 2;
 }

3. O(m+n)、O(m*n)

  int m = 100;
  int n = 100;
  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;
  }

  int c= sum_1 + sum_2;

空间复杂度分析

空间复杂度全称就是渐进空间复杂度，表示算法的存储空间与数据规模之间的增长关系。

常见的空间复杂度就是 O(1)、O(n)、O(n2 )

1.O(1)

int i = 10;

2.O(n)

  int i = 0;
  int[] a = new int[n];

  for (i; i <n; ++i) {
    a[i] = i * i;
  }

《中医之钥》