一层循环时间复杂度_复杂度分析

讲在之前要说一下几种记号。

- 大O记号，大O记号描述了一个算法最坏的情况。因为是假设n>>2,从而通过n的替换来放大函数（常系数可以忽略，低次项可以忽略），并且相比于原式更加简洁也可以反映前者的增长趋势。这也是我们通常参考的时间复杂度。

- 大Ω记号，大Ω记号描述算法最好的情况，也是假设n>>2，从而通过n的替换来缩小函数，这通常是函数的下界。

- 大θ记号，大θ来描述算法的确切情况，是介于大O和大Ω之间的。

---

一个程序的时间复杂度大大影响了程序的时间，所以当我们在做一些有运行时间限制的算法题的时候，要优先考虑代码的时间复杂度。

下面列举几种常见的==时间复杂度==

> 1、常数复杂度O(1)

只执行一次的代码。一般情况不含转向（循环、调用、递归等），是循序执行的即是O(1)

array = [1,2]
a = array[0]

> 2、线性复杂度o(n)

只有一层循环。例子图的遍历，二叉树遍历(n代表二叉树节点总数，因为每个节点访问一次，且仅访问一次)、二维数组二分法查找（有序）。还有DFS和BFS。

for(int i = 0;i<3;i++);

> 3、n平方复杂度O(n^2)

双层嵌套循环

for(int i = 0;i<3;i++);
    for(int n = 0;n<3;n-- );

> 4、指数复杂度O(2^n)

费伯罗契数列

#include <stdio.h>
void main()
{
int a=0;
int b=1;
int c=0;
int i;
for(i=0;i<10000;i++)
{
    a=b;
    b=c;
    c=a+b;
    printf("%d",c);
}
}

> 5、对数复杂度O(logn)

对于对数复杂度，底数不再要求。因为底数是常数，只需要根据对数运算法则，底数可任意变换，无非是前面多了一个常数系数。而在时间复杂度计算系数是可以忽略的。那么同理也有常数次幂无所谓。此类算法是非常高效的，复杂度无限接近于常数。

例如：一维数组二分查找 另外归并排序的时间复杂度是O(nlogn)

> 6、阶乘复杂度

例子求阶乘

---

==空间复杂度==

空间复杂度可以节省缓存空间，节约内存。

1、数组的长度基本决定了空间复杂度，对于一维数组的长度就是空间复杂度O(n)。二维数组的长度为n^2,那空间复杂度为O(n^2)。

2、递归的深度也表示空间复杂度的最大值，若递归里包含数组，那么数组和递归两者之间的最大值为空间复杂度。