【通用】复杂度分析

序言

我们如何判断一个算法的好坏？

我们如何对比不同算法?

---

一、时间复杂度

「大O表示法」算法的渐进时间复杂度

        T(n)=O(f(n))

例题1：

for(int i = 1;i <=n ;i++){
    x++;
}

在因为时间复杂度的计算是认为n接近于无限大的情况下，所以

          

例题2：

for(int i=1;i<=n;i++){
    for(int j=1;j<=n;j++){
        x++;
    }
}

两层循环

拓展：

如果把例题1和例题2的程序同时运行呢？

for(int i = 1;i <=n ;i++){
    x++;
}
for(int i=1;i<=n;i++){
    for(int j=1;j<=n;j++){
        x++;
    }
}

         

在n趋于无限大的情况下，用大O表示法，最终可得：

        

例题3:

int i = 1;
while(i<n){
    i=i*2;
}

i每次执行循环都会变为之前的2倍，所以 ，所以：

         

例题4:

for(int i=0;i<=n;i++){
    int i = 1;
    while(i<n){
        i=i*2;
    }
}

可以看出，这个就是在例题3外面套上一个例题1的for循环，所以可得：

         

---

二、常用复杂度量级分析

1.常数阶 

2.对数阶 

3.线性阶 

4.线性对数阶         

5.平方阶 

6.立方阶 

7.K次方阶 

8.指数阶 

9.阶乘 

---

三、空间复杂度

内存空间增长的趋势

常用的空间复杂度：，，。

例题5:

int x = 0;
int y = 0;
x++;
y++;

创建了常数量个变量，所以，空间复杂度为常数阶：  

      

例题6: 

int[] newArray = new int[n];
for(int i=0;i<n;i++){
    newArray[i] = i;
}

创建了一个数组，数组中要放n个项，所以空间复杂度为n阶：   

     

---

四、总结

「时间空间复杂度」= 时间和空间增长的趋势