算法复杂度

什么是复杂度

• 程序执行时需要的计算量和内存空间（和代码是否简洁无关）
• 复杂度是数量级（方便记忆、推广），不是具体的数字
• 一般针对一个具体的算法，而非一个完整的系统

时间复杂度-程序执行时需要的计算量（CPU）

• O(1)一次就够（数量级）
• O(n)和传输的数据量一样（数据量）
• O(n^2)数据量的平方（数量级）
• O(logn)数据量的对数（数据量）
• O(nlogn)数据量数据量的对数（数据量）

//O(1)的计算量
function fn(obj={}){
  return obj.a+obj.b+obj.c
}
//O(n)的计算量
function fn(arr=[]){
  for(var i=0;i<arr.length;i++){
  	console.log(arr[i])
  } 
}
//O(n^2)的计算量
function fn(arr=[]){
  for(var i=0;i<arr.length;i++){
  	for(var j = 0;j<arr.length;j++){
  		console.log(arr[j])
	}	
  } 
}
//O(logn) 二分

//O(n*logn) 是for循环嵌套个二分

空间复杂度-程序执行时需要的内存空间

• O(1)有限的、可数的空间（数量级）
• O(n)和传输的数据量相同的空间（数据量）

//O(1)
function fn(arr=[]){
  const a = arr[1]
  const b = arr[2]
}
//O(n)的计算量
function fn(arr=[]){
  const arr2 = []
  for(var i=0;i<arr.length;i++){
  	arr2[i]=arr[i]
  } 
  return arr2
}