算法复杂度小记

本文主要书写了本人对于算法复杂度的一些理解，并辅以一些例子进行说明

---

算法复杂度的概念

复杂度的计算理念

• 我们不对某个算法进行精确的分析，只需要初略地知道它的增长趋势就可以了。
• 平常我们分析算法复杂度的时候，通常有分析最坏情况和平均情况两种选项，由于最坏情况易于分析，所以我们一般分析算法复杂度的最坏情况。

复杂度的渐进表示法

• 上界

$$T(n) = O(f(n))$$

上述式子表示当N足够大的时候，f(n)函数是T(n)的上界。

• 下界

$$T(n) = \Omega(h(n))$$

上述式子表示当N足够大的时候，h(n)函数是T(n)的下界。

• 上界和下界同时成立

$$T(n) = \Theta(g(n))$$

上述式子表示当N足够大的时候，g(n)函数同时是T(n)的上界和下界。

• 在上面三个式子中，T(n)表示的都是某个算法的时间复杂度，它们也可以应用在算法的空间复杂度S(n)上。
• 一个算法的上界和下界函数可能有无穷多个，为了和现实的情况更贴合，我们在使用上述式子表示算法的复杂度的时候，通常使用最小的上界和最大的下界。

复杂度的增长趋势比较

logN<n<nlogN<n2<n3<...<O(