01 【算法】时间复杂度和空复杂度

前言：

算法（Algorithm）是指用来操作数据、解决程序问题的一组方法。对于同一个问题，使用不同的算法，也许最终得到的结果是一样的，但在过程中消耗的资源和时间却会有很大的区别。

1、为什么要学习复杂度？

• 我们需要用复杂度去衡量不同算法之间的优劣。
• 写出复杂度较低的程序是每个IT人的基本职业素养。
• 程序的复杂度的降低可以使企业资源得到高效利用，从而降低成本。

2、如何衡量算法之间的优劣？

衡量算法之间的优劣，主要是从算法所占用的「时间」和「空间」两个维度去考量。

• 时间维度：是指执行当前算法所消耗的时间，我们通常用「时间复杂度」来描述。
• 空间维度：是指执行当前算法需要占用多少内存空间，我们通常用「空间复杂度」来描述。

评价一个算法的效率主要是看它的时间复杂度和空间复杂度情况。但是，有时候时间和空间却又是鱼和熊掌，不可兼得的，那么我们就需要从中去取一个平衡点。

3、如何在面试中写出好的程序？

• 和面试官确认好题目要求
• 想出所有能想到的解决办法
• 找到时间复杂度最低的程序作为答案

一、时间复杂度

一个算法执行所耗费的时间，从理论上是不能算出来的，必须上机运行测试才能知道。但我们不可能也没有必要对每个算法都上机测试，只需知道哪个算法花费的时间多，哪个算法花费的时间少就可以了。并且一个算法花费的时间与算法中语句的执行次数成正比例，哪个算法中语句执行次数多，它花费时间就多。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)。

时间频度T(n)中，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。但有时我们想知道它变化时呈现什么规律，为此我们引入时间复杂度的概念。算法的时间复杂度也就是算法的时间度量，记作：T(n) = O(f(n))。它表示随问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐进时间复杂度，简称「时间复杂度」。

这种表示方法我们称为「 大O符号表示法 」，又称为渐进符号，是用于描述函数渐进行为的数学符号

1、常用的时间复杂度

（1）常数复杂度$O(1)$

表示该算法的执行时间（或执行时占用空间）总是为一个常量，不论输入的数据集是大是小，只要是没有循环等复杂结构，那这个代码的时间复杂度就都是O(1)。比如顺序结构：

int i = 1;
int j = 2;
int sum = i+j;
System.out.println(sum);

上述代码在执行的时候，它消耗的时候并不随着某个变量的增长而增长，那么无论这类代码有多长，即使有几万几十万行，都可以用$O(1)$来表示它的时间复杂度。

（2）对数复杂度$O(logN)$

算法中log级别的时间复杂度都是由于使用了分治思想,这个底数直接由分治的复杂度决定。如果采用二分法,那么就会以2为底数,三分法就会以3为底数,其他亦然。

若算法的 T(n) = O(log N)，则称其具有**「对数时间」**。由于计算机使用二进制的记数系统，对数常常以10为底（即$log10(N)$，有时写作$lg(N)$）。然而，由对数的换底公式，$loga(N)$和 $logb(N)$只有一个常数因子不同，这个因子在大O记法中被丢弃，因此不论对数的底是多少，都是「对数时间复杂度」，记作$O(logN)$)。比如：

int i = 1;
while(i<n){
   
	i *= 2;  
}

在while循环里面，每次都将 i 乘以 2，乘完之后，i 距离 n 就越来越近了，直到i不小于n退出。我们试着求解一下，假设循环次数为x，也就是说 2 的 x 次方等于 n，则由2^x=n得出x=log₂n。因此这个代码的时间复杂度为$O(logn)$

常见的logn算法：

• 对分查找
• 欧几里得查找
• 幂运算

（3）线性复杂度$O(n)$

表示一个算法的性能会随着输入数据的大小变化而线性变化。