算法复杂度

什么是算法？
算法是用于解决特定问题的一系列的执行步骤
使用不同算法,解决同一个问题,效率可能相差非常大

那我们如何去评判一个算法的好坏？
如果单从执行效率上进行评估,可能会想到这么一种方案
比较不同算法对同一组输入的执行处理时间
这种方案也叫做:事后统计法
上述方案有比较明显的缺点
执行时间严重依赖硬件以及运行时各种不确定的环境因素
必须编写相对应的测算代码
测试数据的选择比较难保证公平性

一般从以下纬度来评估算法的优劣
1.正确性、可读性、健壮性(对不合理输入的反应能力和处理能力)
2.时间复杂度(time complexity)：估算程序指令的执行次数（执行时间）
3.空间复杂度(space complexity)：估算所需占用的存储空间

大O表示法（Big O）
一般用大O表示法来描述复杂度，它表示的是数据规模 n 对应的复杂度
◼ 忽略常数、系数、低阶

◼ 注意：大O表示法仅仅是一种粗略的分析模型，是一种估算，能帮助我们短时间内了解一个算法的执行效率

对数阶的细节
◼ 对数阶一般省略底数
log2n = log29 ∗ log9n
◼ 所以 log2n 、log9n 统称为 logn

常见的复杂度

算法的优化方向
◼ 用尽量少的存储空间
◼ 用尽量少的执行步骤（执行时间）
◼ 根据情况，可以
空间换时间
时间换空间