算法复杂度是什么？

概述

解决问题方法的效率，与算法的巧妙程度和所占的空间大小是有关系的。算法笨拙，消耗的时间就相对较多；空间占用过高，可能导致程序最终没有结果就已经崩溃。

复杂度

空间复杂度S(n)——根据算法写成的程序在执行时占用存储单元的长度。

时间复杂度T(n)——根据算法写成的程序在执行时消耗时间的长度。

复杂度的渐进表示法

为什么我们常看到的复杂度表示是O(n)，这就是复杂度的渐进表示法

O(n)        表示复杂度的最小是上界

Ω(n)        表示复杂度的最大下界

Θ(n)        表示既是复杂度的上界，又是复杂度的下界

常见复杂度量级

函数由上至下，时间复杂度越来越大

作为一个程序员，如果看到一个复杂度是，第一个想法就是是否能降成n

	输入规模n
函数	1	2	4	8	16	32
1	1	1	1	1	1	1
	0	1	2	3	4	5
n	1	2	4	8	16	32
n	0	2	8	24	64	160
	1	4	16	64	256	1024
	1	8	64	512	4096	32768
	2	4	16	256	65536	4.29*
n!	1	2	24	40326	2.09*	2.6*

 

复杂度分析窍门

如果有两段算法，我们知道两端算法的复杂度上界是O(f1(n))、O(f2(n))

        当把这两个算法没有嵌套时，复杂度是max(O(f1(n)),O(f2(n)))

        当两个算法有嵌套时，复杂度是O(f1(n)*f2(n))

一个for循环的时间复杂度=循环次数*循环体代码复杂度

if else结构的复杂度，取决于if的条件复杂度、两个分支的复杂度，三者中复杂度最大的。