时间复杂度

如何判断程序的复杂程度：时间和空间复杂度 
1. 时间复杂度： 
使用大O表示法来表示程序的时间复杂度 
常见的7种时间复杂度（复杂度由低到高排序） 
 O(1):常数时间复杂度  O(log(n):

对数时间复杂度  

O(1):常数复杂度

int n = 1;
System.out.println(n);
 

O(n): 线性时间复杂度  

for (int j = 0; j < n; j++) {
    System.out.println(j);
}
 

O(n^2):平方时间复杂度  

for (int i = 0; i < n; i++) {
    for (int j = 0; j < n; j++) {
        System.out.println(i + j);
    }
}
 

O(n^3):立方时间复杂度  

 for (int i = 0; i < n; i++) {
    for (int j = 0; j < n; j++) {
        for (int k = 0; k < n; k++) {
            System.out.println(i + j);
        }
    }
}

O(k^n):指数时间复杂度，k表示常数  

/**
 * 递归求斐波那契数列的第n项；可以通过画运行树的方式获得时间复杂度
 */
int fib(int n) {
    if (n < 2) return n;
    return fib(n - 1) + fib(n - 2);
}
 

O(n!):阶乘时间复杂度

常用算法中的应用

算法	递回关系式	运算时间
二分搜寻算法
二叉树遍历
最佳排序矩阵搜索(已排好序的二维矩阵)
合并排序

所有排序的最优算法都是O(nlog(n))

 

2. 空间复杂度

如何判断一段代码的空间复杂度 
主要通过两部分进行判断： 
 数组的长度 如果代码中应用了数组，那么数组的长度，基本上就是空间复杂度； e：一维数组的空间复杂度是O(n);二维数组的空间复杂度是O(n^2)  递归的深度 如果代码中有递归，那么递归的深度，就是代码的空间复杂度的最大值  
ps:如果代码中既有数组，又有递归，那么两者的最大值就是代码的空间复杂度 
leecode有个爬楼梯的复杂度分析情况；可以进行练习 
3. 数组和链表的时间复杂度分析 
数组 
随机增加：O(n) 随机查询：O(1) 随机删除：O(n)

链表

随机增加：O(1)
随机查询：O(n)
随机删除：O(1)