数据结构与算法面试要点简明教程（一、二）—— 数据结构与算法

时间复杂度：时间频度中，n称为问题的规模，当n不断变化时，时间频度T(n)也会不断变化。但有时我们想知道它变化时呈现什么规律。为此，我们引入时间复杂度概念。若有某个辅助函数f(n)，存在一个正常数c使得fn*c>=T(n)恒成立，记作T(n)=O(f(n))，则称O(f(n)) 为算法的时间复杂度。

通常来说，时间复杂度的分析方法有5种方法，分别如下：

1）直接看嵌套层数

例如外层循环n次，内层循环m次，时间复杂度即为O(nm)。

2）级数嵌套求和

除了直接看嵌套层数，还可用级数嵌套求和的方式（适合嵌套变量相关的情况）

for(int i = 1; i <= n; i++)
    for(int j = 1; j <= i; j++
        for(int k = 1; k <= j; k++)
            x = x + 1;

从语句频度推导出时间复杂度的全过程：

$T(n)=\sum_{i=1}^n \sum_{j=1}^i \sum_{k=1}^j1=\sum_{i=1}^n \sum_{j=1}^ij=\sum_{i=1}^n \frac{i(i+1))}{2}$

$=\frac{1}{2}(\sum_{i=1}^ni^{2}+\sum_{i=1}^ni) =\frac{1}{2}(\frac{n(n+1)(2n+1)}{6}+\frac{n(n+1)}{2}) =O(n^{3})$

3）对数级复杂度

4）时间复杂度会随输入数据集变化

5）T(n)分解估算

2.4 算法空间复杂度

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，记做S(n)=O(f(n))。

S(n)与辅助变量的个数有关：

数据结构与算法面试要点简明教程（一、二）—— 数据结构与算法

第一章 数据结构

1.1 数据关系

1.2 逻辑结构和物理结构

第二章 算法

2.1 算法特性

2.2 算法设计要求

2.3 算法时间复杂度

2.4 算法空间复杂度

第一章数据结构

第二章算法