算法简介

时间复杂度

定义

• 时间复杂度O:评估执行程序所需的时间。可以估算出程序对处理器的使用程度;
• 空间复杂度:评估执行程序所需的存储空间。可以估算出程序对计算机内存的使用程度
  设计算法时，一般是要先考虑系统环境，然后权衡时间复杂度和空间复杂度，选取一个平衡点。不过，时间复杂度要比空间复杂度更容易产生问题，因此算法研究的主要也是时间复杂度，不特别说明的情况下，复杂度就是指时间复杂度

时间复杂度:就是当n为无穷大的时候循环所需要步骤的极限(注意下面三个原则)

1. 一个算法中的语句执行次数称为语句频度或时间频度。记为T(n),n称为问题的规模，当n不断变化时，时间频度T(n)也会不断变化。
2. 一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数，用T(n)表示，若有某个辅助函数f(n)，使得当n趋近于无穷大时，T（n)/f(n)的极限值为不等于零的常数，则称f(n)是T(n)的同数量级函数，记作T(n)=O(f(n))，它称为算法的渐进时间复杂度，简称时间复杂度。

大O表示法:

• 算法复杂度可以从最理想情况、平均情况和最坏情况三个角度来评估，由于平均情况大多和最坏情况持平，而且评估最坏情况也可以避免后顾之忧，因此一般情况下，我们设计算法时都要直接估算最坏情况的复杂度。
• 大O表示法O(f(n)中的f(n)的值可以为1、n、logn、n²等，因此我们可以将O(1)、O(n)、O(logn)、O(n²)分别可以称为常数阶、线性阶、对数阶和平方阶

推导大O阶 (高数中的极限思想)

• 推导大O阶，我们可以按照如下的规则来进行推导，得到的结果就是大O表示法：

  1. 用常数1来取代运行时间中所有加法常数。
  2. 修改后的运行次数函数中，只保留最高阶项
  3. 如果最高阶项存在且不是1，则去除与这个项相乘的常数。

• 分类

  1. 常数阶 : 所需步数可精确到的都为O(1);
  2. 线性阶: 算法循环体中的代码执行了n次，因此时间复杂度为O(n);

for(int i=0;i<n;i++){
//时间复杂度为O(1)的算法
...
}

1. 对数阶

int number=1;
while(number<n){
number=number*2;
//时间复杂度为O(1)的算法
...
}

随着number每次乘以2后，都会越来越接近n，当number不小于n时就会退出循环。假设循环的次数为X，则由2^x=n得出x=log₂n，因此得出这个算法的时间复杂度为O(logn)。

1. 平方阶

for(int i=0;i<n;i++){   
      for(int j=0;j<n;i++){
         //复杂度为O(1)的算法
         ... 
      }
  }

内层循环的时间复杂度在讲到线性阶时就已经得知是O(n)，现在经过外层循环n次，那么这段算法的时间复杂度则为O(n²)。

• 其他常见复杂度
  除了常数阶、线性阶、平方阶、对数阶，还有如下时间复杂度：