dfs时间复杂度_常见时间、空间复杂度分析[02]

一、环境设置（工欲善其事必先利其器）

1、电脑设置

• Google
• Mac：iTerm2 + zsh(oh my zsh)
  Windows: Microsoft new terminal:(https://github.com/microsoft/terminal)
• VSCode; Java:IntelliJ; Python:Pycharm
• LeetCode plugin(VSCode & IntelliJ)
• https://vscodethemes.com/ (VSCode 优化)
• 骚操作：https://juejin.im/entry/587e0f2f570c352201113e14https://juejin.im/post/5ce1365151882525ff28ed47

2、Code Style

Java、Python、...

• Google code style
• Facebook
• Airbnb

3、LeetCode

• leetcode-cn.com 和 题解
• leetcode.com 和 Disscuss board（国际站：五遍练习法的第三遍和第四遍 Most Votes，看大牛代码，）

4、指法和小操作

• home, end(行头、行尾)
• Word单词、选单词、选整行
• IDE自动补全
• Top tips for<IDE-name>(刻意去练习IDE的快捷键)
• 培养自顶向下的编程方式（最开始就是思考大层次的逻辑，不纠结细节，也就是以主干逻辑为主。

二、常见时间、空间复杂度分析

1、Big O notation（最常见的7种复杂度）

• O(1): Constant Complexity 常数复杂度
• O(log n): Logarithmic Complexity 对数复杂度
• O(n): Linear Complexity 线性时间复杂度
• O(n^2): N square Complexity 平方
• O(n^3): N cube Complexity 立方
• O(2^n): Exponential Growth 指数
• O(n!): Factorial 阶乘

Notice：

1. 只看最高复杂度的运算
2. 常数系数不用考虑

2、怎么看复杂度

• 直接看函数
• 代码根据n的不同情况它会运行多少次

O(1)常数复杂度示例(java)：

int n = 100;
System.out.printIn("Hey - your input is:" + n);

int n = 1000;
System.out.printIn("Hey - your input is:" + n);
System.out.printIn("Hmm..I'm doing more stuff with:" + n);
System.out.printIn("And more:" + n);

O(N)线性时间复杂度示例(java)：

for(int i=1;i<=n;i++){
    System.out.printIn("Hey - your input is:" + i);

O(N^2)平方复杂度示例(java)：

for(int i=1;i<=n;i++){
    for(int j=1;j<=n;j++){
        System.out.printIn("Hey I'm busy looking at:" + i + "and" +j);
    }
}

O(log(n))对数复杂度示例(java)：

for(int i =1; i<n; i=i*2){
    System.out.printIn("Hey I'm busy looking at:" + i);
}

O(k^n) 指数级的时间复杂度示例[k是常数]

int fib(int n){
    if(n<=2) return n;
    return fib(n-1) + fib(n-2);
}

Notice：

• 写程序的时候，一定要下意识的分析出这段代码的时间和空间复杂度。
• 用最简洁的时间和空间复杂度完成这段程序的话，基本上是一个顶尖职业选手的必备素养。

3、示例说明不同复杂度解决相同问题：

# 计算：1 + 2 + 3 + ... + n

方法一：[复杂度为O(n)]
y=0
for i=1 to n:
    y+=i

方法二：求和公式 sum = n(n+1)/2 [程序只执行一次，复杂度为O(1)]
y=n*n(n+1)/2

4、递归情况下怎么分析时间复杂度

关键了解递归，总共执行了语句多少次？

• 循环，n次循环执行了n次
• 把递归的执行顺序画出一个树型结构（递归状态的递归树）

# 求斐波那契的第n项，
# Fib: 0,1,1,2,3,5,8,13,21,...
# 通项公式为 F(n) = F(n-1)+F(n-2)

方法一：（直接采用递归）
int fib(int n){
    if(n<=2) return n;
    return fib(n-1)+fib(n-2);
}

• 每一层的节点数目成指数级增长
• 很多重复的节点计算

Master Theorem （主定理，解决任何分治或者递归函数计算它的时间复杂度）

• 二分查找：数列本身有序的情况，找到目标数，每次一分为二，只查一边，最后时间复杂度为O(log n)的。
• 二叉树的遍历：通过主定理可知，每次需要一分为二，每一边是相等的时间复杂度，最后的递推公式就变成了 T(n) = 2T(n/2) + O(1)，可以推算出运行时间为O(n)，[n代表二叉树里面的树的节点总数，有一个简单的思考方法是二叉树的遍历，每一个节点都访问一次，且仅访问一次，所以时间复杂度是线性于二叉树的节点总数，O(n)的。]
• 有序的二维矩阵中进行二分查找：根据主定理得出，时间复杂度为O(n)的。[如果是一维的数组进行二分查找就是O(log n)]
• 归并排序：所有排序最优的办法就是n log n的。

小结：

1. 二叉树的前序、中序、后序的时间复杂度为O(n)
2. 二叉树的前序、中序、后序的时间复杂度为O(n)总数
3. 搜索算法：DFS、BFS时间复杂度为O(n)的，n指的是收缩空间里面的节点总数
4. 二分查找时间复杂度为 O(log n)