【玩转算法】复杂度分析

1. 什么是大O：

2. n表示数据规模，O(f(n))表示运行算法所需要执行的指令数，和f(n)成正比，比如：

   1. 二分查找法O(logn)，所需执行指令数: a*logn
   2. 寻找数组中的最大/最小值O(n)，所需执行指令数: b*n
   3. 归并排序算法O(nlogn)，所需指令数: c*nlogn
   4. 选择排序法O(n²)，所需指令数: d*n²

3. 对邻接表实现的图进行遍历：时间复杂度: O(V +E )，即访问所有的顶点和所有的边。

4. 举例：有一个字符串数组，将数组中的每一个字符串按照字母序排序；之后再将整个字符串数组按照字典序排序。整个操作的时间复杂度是多少?

   1. 错误答案：O( n*nlogn + nlogn ) = O(n²logn)，错误原因：字符串的长度和数组的长度不是一个变量，
   2. 正确答案：O(n*slog(s)) + O(s*nlog(n)) = O( n*s*logs + s*n*logn)= O( n*s*(logs+logn) )
      1. 假设最长的字符串长度为s，数组中有n个字符串
      2. 对每个字符串排序: O(slogs)
      3. 将数组中的每一个字符串按照字母序排序: O(n*slog(s))
      4. 将整个字符串数组按照字典序排序: O(s*nlog(n))

5. 数据规模的概念，如要想在1s之内解决问题：

   1. O(n²)的算法可以处理大约10⁴级别的数据；
   2. O(n)的算法可以处理大约10⁸级别的数据；
   3. O(nlogn)的算法可以处理大约10⁷级别的数据；

6. 空间复杂度：

   1. 多开一个辅助的数组：O(n)；
   2. 多开一个辅助的二维数组：O(n²)；
   3. 多开常数空间：O(1)；
   4. 递归调用有空间代价，递归的深度就是空间复杂度；

7. 常见的时间复杂度：

   1. 交换两数：O(1)；
   2. 数列求和：O(n)；
   3. 选择排序：O(n²)；
   4. 二分查找：O(logn)；

8. 递归中进行一次递归调用的复杂度分析：如果递归函数中，只进行一次递归调用，递归深度为depth；在每个递归函数中，时间复杂度为T；则总体的时间复杂度为O( T * depth )。

9. 递归中进行多次递归调用的复杂度分析：如果计算成倍扩大，复杂度是2ⁿ级别，如果使用分治法，复杂度减少到了O(n*logn)级别。