复杂度分析是评估算法效率的重要工具，主要关注代码在不同数据规模下的运行时间。时间复杂度通过关注循环最多的部分并应用加法和乘法法则来估算。最好、最坏和平均时间复杂度分别衡量了在最优、最劣和平均情况下的执行时间。均摊时间复杂度则考虑了操作间的平衡。理解这些概念有助于优化算法设计。
复杂度分析
为什么需要复杂度分析？
1. 测试结果非常依赖测试环境
2.测试结果受数据规模的影响很大
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。总的时间复杂度就等于量级最大的那段代码的时间复杂度。那我们将这个规律抽象成公式就是：
如果T1(n)=O(f(n))，T2(n)=O(g(n))；那么T(n)=T1(n)+T2(n)=max(O(f(n)), O(g(n))) =O(max(f(n), g(n))).
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
四个复杂度分析
最好情况时间复杂度（best case time complexity）、最坏情况时间复杂度（worst case time complexity）、平均情况时间复杂度（average case time complexity）、均摊时间复杂度（amortized time complexity）
顾名思义，最好情况时间复杂度就是，在最理想的情况下，执行这段代码的时间复杂度。
同理，最坏情况时间复杂度就是，在最糟糕的情况下，执行这段代码的时间复杂度。
平均情况时间复杂度
平均情况时间复杂度就是加上每种情况发生的概率，更加严谨，例如
这个值就是概率论中的加权平均值，也叫作期望值，所以平均时间复杂度的全称应该叫加权平均时间复杂度或者期望时间复杂度。
均摊时间复杂度
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
