Big O notation
O(1) 常数复杂度
O(log n) 对数复杂度
O(n) 线性复杂度
O(n ^2) 平方
O(n ^3) 立方
O(2 ^n) 指数
O(n!) 阶乘
一段代码根据 n 的不同情况会运行多少次。
时间复杂度
写程序时考虑优化程序的时间复杂度。
n 越大,优化效果越明显。
以 1 累加到 n 为例:
1.累加计算:
int sum = 0;
for (int i = 1;i <= n;i++) {
sum += i;
}
时间复杂度和 n 线性相关,所以为 O(n)。
2.公式计算:
sum = n * (n+1) /2
时间复杂度是常数,该代码块在运行时只会执行一次,所以为 O(1)。
递归条件下的时间复杂度
递归状态的递归树
以斐波那契数列为例:
int fib(int n) {
if (n <= 2) {
return 1;
}
return fib(n - 1) + fib(n - 2);
}
其时间复杂度为 2^n。
此时间复杂度显然不是最优,递归树的画法和斐波那契问题的优化可以看看这篇文章:
如何让递归的斐波那契数列跑的更快
时间复杂度的通用计算方法:Master Theorem
常见算法时间复杂度:
- 二分查找 O(log n)
- 二叉树遍历 O(n)
- 图的遍历 O(n)
- 归并排序 O(n log n)
- 搜索算法:DFS、BFS O(n)
空间复杂度
1.数组的长度
一般数组的最大长度,就是其对应的空间复杂度
2.递归的深度