🤣哈哈哈哈,先说句废话,今天才知道如何在内容中添加表情符号,嗯,所以浅试了一下,好开心🥰🤪🤡🎈🧨✨🎉🎡💌💟
【前言】
- 时间复杂度主要衡量的是一个算法的运行速度
- 空间复杂度主要衡量一个算法所需要的额外空间
在计算机发展的早期,计算机的存储容量很小。所以对空间复杂度很是在乎。但是经过计算机行业的迅速发展,计算机的存储容量已经达到了很高的程度。所以我们如今已经不需要再特别关注一个算法的空间复杂度。
目录
👻👻👻时间复杂度
1.算法中的基本操作的执行次数,为算法的时间复杂度
2.我们用大O渐进法表示时间复杂度(我们可以将其理解为大概执行次数)
- 用常数1取代运行时间中的所有加法常数。
- 在修改后的运行次数函数中,只保留最高阶项。
- 如果最高阶项存在且不是1,则去除与这个项目相乘的常数
- 得到的结果就是大O阶
😶🌫️比如下面这段代码块:
两个for循环再加一个while循环,执行次数为 N^2 + 2* N + 10
使用大O渐进法,只保留最高阶并且用1代替常数,所以该段函数的时间复杂度为O(N^2)
🌟🌟🌟
- 通常递归算法的时间复杂度为0(N)
(但是呢,斐波那契数列的递归,时间复杂度为O(2^N))
- 每次进行 *n 或者 /n 操作,一般时间复杂度为O(log n),如二分查找就是
(今天刚做的力扣第四题,明确限制了算法的时间复杂度应该为
O(log (m+n)),所以好难过,都没想到要用二分,特地再来整理整理时间复杂度 题目链接:
寻找两个正序数组的中位数 - 力扣(LeetCode) (leetcode-cn.com))
👻👻👻空间复杂度
1.空间复杂度是对一个算法在运行过程中临时占用存储空间大小的量度
!!!是看额外开辟的数组空间大小,不是程序占用了多少bytes的空间嗷
2.空间复杂度也是使用的大O渐进法,不再赘述啦
🌟通常,递归的空间复杂度也为O(n)
😶🌫️😶🌫️😶🌫️题目练习
时间复杂度:
1.💌
int binarySearch(int[] array, int value) { int begin = 0; int end = array.length - 1; while (begin <= end) { int mid = begin + ((end-begin) / 2); if (array[mid] < value) begin = mid + 1; else if (array[mid] > value) end = mid - 1; else return mid; } return -1;}
【答案】O(logN) 二分查找
2.💌💌
long factorial(int N) {return N < 2 ? N : factorial(N-1) * N;}
【答案】时间复杂度 空间复杂度均为 O(N) 递归N次
3.💌💌💌
int fibonacci(int N) {return N < 2 ? N : fibonacci(N-1)+fibonacci(N-2);}
【答案】O(2 ^ N)