JS 算法专辑【1】时间复杂度计算 与 空间复杂度计算

时间复杂度

• 一个函数，用大O表示，例如 O(1)、O(n)、O(logN)…
• 定性描述该算法的运行时间

常见的例如下面图中的集几种，大概知道复杂度哪个比较大哪个比较小就可以了：

O(1)

// 代码只会执行一次
let i = 0;
i += 1;

O(n)

// 代码执行 n 次
for (let i = 0; i < n; i += 1) {
  console.log(i);
}

两个时间复杂度的计算

O(1) + O(n)

let i = 0;
i += 1;
for (let i = 0; i < n; i += 1) {
  console.log(i);
}

上述 O(1) + O(n) 结果为较复杂的 O(n)，因为当 n 足够大时，1是可以勿略不计的。

O(n) * O(n)

for (let i = 0; i < n; i += 1) {
  for (let j = 0; j < n; j += 1) {
    console.log(i, j);
  }
}

上述 O(n) * O(n) 结果为 O(n^2)

O(logN)

logN 为以2为底的 log 函数，用来求2的多少次方为 N。

let i = 1;
while (i < n) {
  console.log(i);
  i *= 2;
}

空间复杂度

• 一个函数，用大O表示，例如 O(1)、O(n)、O(n^2)…
• 算法在运行过程中临时占用空间大小的量度

O(1)

// 只声明了单个变量，占用的内存为1
let i = 0;
i += 1;

O(n)

// 给数组添加 n 个值，相当于占用了 n 个存储单元
const list = [];
for (let i = 0; i < n; i += 1) {
  list.push(i);
}

O(n^2)

// 矩阵，二维数组
const arr = [];
for (let i = 0; i < n; i += 1) {
  arr.push([]);
  for (let j = 0; j < n; j += 1) {
    arr[i].push(j);
  }
}