本文介绍了算法复杂度的基本概念，包括时间复杂度和空间复杂度。时间复杂度关注算法执行所需时间，通过渐进分析法忽略低阶项，如O(n^3)。常见代码结构如嵌套循环对应不同复杂度：常数次数O(1)、嵌套结构O(N)、多重嵌套结构O(N^2)、顺序结构O(N^2)和循环次数O(N)或O(logN)。空间复杂度则衡量算法运行中所需的存储空间。在算法分析中，通常更重视时间复杂度。
一、什么是算法复杂度？
算法进行计算的时候，存储数据需要占用一定的 空间，执行计算需要耗费一定的时间 时间。算法复杂度就是在算法计算过程中对「空间」与「时间」的评价。
解决同一个问题，不同算法所有的空间和时间是不同的，这取决于算法是如何设计的。同样，同一个问题，规模不同时，同一个算法所用的空间和时间也不同。
例如：某排序算法为 100 个数排序和为 1000 个数排序。
所以，一个算法的复杂度是问题规模 N 的函数。
二、时间复杂度
时间复杂度是算法执行计算所花费的时间多少的度量，但是不同的机器计算速度不同，实际的时间很难统计，由此可以通过统计算法执行的语句数来表示时间复杂度。
1. 渐进时间复杂度
随着问题规模 n 的增大，常数部分的影响越来越小：T(n) = 2 n 3 n^3 n3 + 4n + l o g n logn logn + 4；而增长最快的项影响越来越大（ n 3 n^3 n3）：T(n) = 2 n 3 n^3 n3 + 4n + l o g n logn logn + 4。
渐进时间复杂度只关注增长最快的项：T(n) = O( n 3 n^3 n3)，去除常数系数与复杂度小的项。平时说代码的时间复杂度，一般指渐进时间复杂度。
n n n^n n
最低0.47元/天 解锁文章
扫一扫
1910
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
