时间复杂度主要是衡量一个算法的运行快慢
空间复杂度主要是衡量一个算法所需的额外空间
摩尔定律:每十八个月内存翻一番
现在不太关注空间复杂度,所以主要研究时间复杂度
百度百科解释:
时间复杂度不计算时间,计算运行次数
不同设备运行时间不同
的结果就是大O阶
实例计算时间复杂度
例题1:
时间复杂度为O(N)
计算时,不用讲++k计算在内,主要计算循环次数
例题2:
时间复杂度为O(M+N)
例题3:
时间复杂度为 O(1)(由上述推导大O阶的方法可知为O(1))
例题4:(查单词里的某一个字母)
时间复杂度为O(N)
当一个算法随着输入的不同,时间复杂度不同,时间复杂度做悲观预期,看最坏情况
例题5:(冒泡法)
O(n^2)
计算大O阶时不能只看循环次数,要看背后的思想
例题6:(二分法)
O(lgN)
如果一个数组内的数据已经有序,那么使用二分搜索算法将大大提高代码运行效率
如果无序,可以使用
树->二叉树->搜索二叉树->平衡搜索二叉树->RBTree/AVLTree
哈希表
例题7:(阶乘递归)
O(N)
例题8:(斐波那契递归)
O(2^N)
递归算法:递归次数*每次递归调用的次数
斐波那契递归算法实际中没用,太慢了