算法时间和空间复杂度分析

时间复杂度结论

• 算法函数中常数可以忽略
• 算法函数中最高次幂的常数因子可以忽略
• 算法函数中最高次幂越小，算法效率越高

算法时间复杂度

大O记法

• 执行次数=执行时间
• 一般情况下，随着输入规模n增大，T(n)增长最慢的算法为最优算法

大O记法规则

• 用常数1取代运行时间中的所有加法常数
• 在修改后的运行次数中，只保留高阶项
• 如果高阶项存在，且常熟因子不为1，则去除与这个项相乘的常数

常见的大O阶

• 线性阶

  一般含有非嵌套循环涉及线性阶，线性阶就是随着规模的扩大，对应的计算次数呈直线增长

• 平方阶

  一般嵌套循环拥有这种时间复杂度

• 立方阶

  一般三层嵌套循环拥有这种时间复杂度

• 对数阶

  一般是忽略底数的常熟，因为他们增长的趋势是一样的

• 常数阶

  不涉及循环操作，不会随着n的规模增大时间复杂度而增加

• 复杂程度从低到高依次为：

  O(1)<O(logn)<O(n)<O(nlogn)<O(n^2)<O(n^3)
  一旦复杂度碰到等于或者大于n ²就要考虑优化算法

空间复杂度分析

基本类型的空间占用

• 一个引用（机器地址）需要8个字节表示：

  Date date = new Date() ,则这个date对象需要占用8个字节

• 创建一个对象，除了对象本身需要占用16个字节之外，还有对象内部的所有属性所占的字节数
• 如果创建一个对象所占的字节数不是以8为单位的，则自动补充为以8为单位的数目