算法笔记--复杂度分析(上)

为什么需要复杂度分析？

传统方式，如何统计代码执行时间呢?

我们可以将代码跑一遍，通过统计、监控，就能得到算法执行的时间和占比的内存大小。这种方式叫做事后统计法。但是这种统计方式有很大的局限性。

1. 测试结果非常依赖测试环境
2. 测试结果受数据规模的影响很大

时间、空间复杂度分析方法，不需要用具体数据来测试，可以粗略的估计算法的执行效率。

大 O 复杂度表示法

int cal(int n) {
    int sum = 0;
    int i = 1;
    for (; i <= n; ++i) {
        sum = sum + i;
    }
    return sum;
}

假设每行代码执行时间都是一样的，为unit_time，在这个基础上，上面的代码总执行时间为 (2n + 2) * unit_time。

所有代码的执行时间 T(n) 与每行代码的执行次数成正比。

转换成公式即为 T(n) = O(f(n)) 这个公式就是大 O 时间复杂度表示法。

• T(n) 表示代码执行的时间
• n 表示数据规模的大小
• f(n) 表示每行代码执行的次数总和。

大 O 时间复杂度并不具体表示代码真正的执行时间，而是表示代码执行时间随数据规模增长的变化趋势，所以也叫做渐进时间复杂度。

时间复杂度：即渐进时间复杂度，表示算法的执行时间与数据规模之间的增长关系

时间复杂度分析

分析方法&#