a*算法的时间复杂度_笔记||算法之时间复杂度与空间复杂度

文 | seven 图 | 我、网络 今天聊聊算法

起因：今天花9.9元买了极客“7天掌握算法面试必考知识点”，初衷是学习运营和算法，最好的学习方式是输出，所以我来记录今天学的第一课：时间复杂度和空间复杂度分析

开篇的学员手册有一句话很有意思也让我很触动——专注于学习那些不变的底层知识。技术发展很快，怎么样快速掌握新的技术，答案就是上面这句话。

授课老师的一位高中同学，姑且叫他老王，老王在Google做前端开发8年，辞职创业做AI方向，半个月的时间学习了机器学习和深度学习，还成为熟练者。在别人调侃老王是不是半个月不吃不喝学习的时候，老王说的是，随着深入地学习发现都是他熟悉的东西，离不开数学、算法、数据结构和计算机组成原理(害，这门课我没听好)

所以，好好学习。那就进入主题吧。

分享今日学到的时间复杂度和空间复杂度分析方法。

首先常见的时间复杂度有七种，分别是：

1.O(1) 常数级，可以理解为：如果一种算法的运算次数与数据规模无关，那么它的时间复杂度是常数级别的

举个例子：

int n=1000;

print(you input is: n)

2.O(log n)  对数级  对于循环

for(int i=1;i<=n;i=i*2)

      输出语句

3.O(n)   单次循环

4.O(n^2)   嵌套循环

5.O(n^3)

6.O(2^n) 斐波那契数列

7.O(n!)

循环嵌套，对应的时间复杂度是循环次数的乘积，而并列的两个循环时间复杂度为O(n)

为什么要了解时间复杂度，它用来判断解决问题的程序是否高效

主定理(Master Theorem) 可以用来解决一切递归问题的时间复杂度问题，比如下列几个(由于涉及大量数学证明，此处还是记忆为佳)

1.二分查找  时间复杂度：logn   通常二分查找在有序数列中进行

2.二叉树遍历 ：每个节点都访问且仅访问一次，为O(n)

3.二维有序矩阵中的二分查找   O(n)遍历了每个数

4.归并排序时间复杂度  nlogn

思考题：二叉树遍历：前序、中序、后序的时间复杂度如何？

答案：时间复杂度 都为O(n)

理解：按照树的结构，每个节点都被访问，且仅被访问一次

拓展：图的遍历和搜索算法BFS(广度优先)、DFS(深度优先)的时间复杂度如何？

答案：均为O(n)

#空间复杂度#
1.数组的长度
2.递归的深度
如果是有递归的话，空间复杂度则是递归的深度
如果既有数组，又有递归，则是它们的最大值

理解空间复杂度，对于数据的存储方式选择有很大的帮助。

好的，第一课的内容大概是这样了，主定理的具体内容还没查看，知乎上有个关于算法学习的回答也可以参考。群里的活跃度蛮高的，大家都在积极输出。

---

之前在朋友圈看到学长分享了他和同学关于机器学习的讨论，我觉得这个解释太好了，当时就存图了。也获得许可在这里贴出来，码了学长的头像。

---

上面举了高考的例子，明天就是2020届考生上考场的日子啦，希望列表的学弟学妹都收获理想的成绩，能去一个心仪的大学。

生命就在每天的生活里，一切执念都是虚妄，和身边的人愉快相处，认真安排好每一天的活动，用心感受每一天的心境，就是生活的意义本身。

往期精彩 有哪些道理是你慢慢才知道的？ 张婷学妹，这是大家给你的祝福 新浪的高瞻远瞩 你好，兰州~你好，甘旨·蘭~你好，马玫学姐 一个云南人遇到了一个甘肃人 转载/投稿/合作 请联系：wrnbs-12345 备注来意 都是心意，点个再看就很好