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;
}