算法常见复杂度分析

算法(algorithm) 是指用来操作数据和解决问题的一组方法。对于同一个问题，使用不同的算法，结果一眼但是过程种消耗的资源与时间是不同的，衡量一个算法的优劣常常从时间和空间两个维度思考。分析方法是大O复杂度分析法。

• 时间维度：算法执行所消耗的时间，即时间复杂度
• 空间维度：算法执行所消耗的内存，即空间复杂度

一、大O时间复杂度分析法
1> 概念：并不表示代码真正执行花费的时间，而是表示代码执行时间随数据规模增长的变化趋势， 也叫渐进时间复杂度，简称时间复杂度(其中低阶、常量、系数并不左右增长趋势，只需要记录一个最大量级)

A: 只关注循环执行次数最多的一段代码
B: 加法法则，总复杂度等于量级最大的那段代码的复杂度
C: 乘法法则，嵌套代码的复杂度等于嵌套内外代码复杂度乘积

2> 几种常见时间复杂度实例

以上的复杂度量级，可以分为两类：多项式量级和非多项式量级，其中非多项式量级的只有 O(2^n)和O(n!).当数据规模 n 越来越大时候，非多项式量级算法的执行时间增长很快，所以效率比较低。以下是几种常见的多项式时间复杂度。

1.、O(1)
只要代码的执行时间不随 n 的增大而增长，这样代码的时间复杂度我们都记作 O(1)。或者说，一般情况下，只要算法中不存在循环语句、递归语句，即使有成千上万行的代码，其时间复杂度也是Ο(1)。

2.、O(logn)、O(nlogn)