算法复杂度

算法复杂度

算法复杂度分为 时间复杂度 和 算法复杂度 。顾名思义，时间复杂度就是计算一段程序运行时间。而空间复杂度则是计算程序的存储空间。
如今，大多数情况下我们只是去考虑时间复杂度。

时间复杂度分类

1.常数

若对于一个算法，的上界与输入大小无关，则称其具有常数时间，记作时间O(1)。

int a=0;
system.out.println("123213");

上述语句无论执行多少次。它消耗的时间，不随变量增长而增长。哪怕执行几十万行，都可以用**O(1)**来表示它的时间复杂度。

2.对数

若算法的T(n) =O(logn)，则称其具有对数时间。由于计算机使用二进制的记数系统，对数常常以2为底（即log2n，有时写作lgn）。然而，由对数的换底公式，logan和logbn只有一个常数因子不同，这个因子在大O记法中被丢弃。因此记作O（logn），而不论对数的底是多少，是对数时间算法的标准记法。

什么是对数？

N = a^x（a 的 x 次方）；x=Logan （x以a为底 N的对数）。a成为底数 ，N成为真数

int i=1;
while(i<n){
  i=i * 2;
}

上述代码 每次循环相当于不断成以2. 当i大于n时，循环结束。可以转换为 n=2^x; => x = log2n => 舍弃常熟因子。 时间复杂度就是 O(logn)

3.线性

如果一个算法的时间复杂度为O(n)，则称这个算法具有线性时间，或O(n)时间。非正式地说，这意味着对于足够大的输入，运行时间增加的大小与输入成线性关系。

for(int i=0;i<n;i++){
  ...............
}

上述代码，随着n的变化运行时间会成一个线性的增长.时间复杂度O(n)

4.线性对数

若一个算法时间复杂度T(n) = O(nlog n)，则称这个算法具有线性对数时间。

for(int m=0;m<n;m++){
  int i=m;
  while(i<n){
	  i = i * 2;
	}
}

上述代码，里层是 O(Logn);外层也要循环n次，这就是 O(n Logn)

。。。待续