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)