算法复杂度——学习笔记

目录

时间复杂度

空间复杂度

内存管理

---

时间复杂度

时间复杂度：一个可以定性的描述算法的运行时间的函数。

随着数据的规模n的增加，算法的执行时间的增长率和f(n)的增长率相同，算法的时间复杂度O(f(n))

O指的是时间复杂度的上限。

有时候一般情况和最坏情况的时间复杂度是不一样的。面试时的时间复杂度都指的是一般情况。

当n到某一数值时，常数项系数对时间复杂的的影响不大。但常数项很大时不可以忽略。

一般计算复杂算式的复杂度时，都忽略常数项系数。

O(logn)可以以任何数为底

因为，都相当于logjn乘以一个常数项。

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

类似这种循环代码的时间复杂度就是log(n)

 公式补充：

空间复杂度

空间复杂度：程序运行时所占内存大小

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

int* a = new int(n);
for (int i = 0; i < n; i++) {
    a[i] = i;
}

第一个程序开辟的内存空间不会随n的变化而增加，所以空间复杂度是O(1),第二段程序就是O(n)

内存对齐

面试常见问题：为什么有内存对齐？

原因一：为了使程序可以在多平台运行。某些硬件平台只能在某些地址取某些特定类型的数据，无法访问任意内存地址上的任意数据。
原因二：可以提升CPU的访问内存的速度

比如：cpu按块存读取内存，每块可以是2，4，8（等）个字节

 

 非内存对齐需要两次寻址加一次合并才能将int数据读取出来。

学习的原文章链接：代码随想录 (programmercarl.com)