[01] 数据结构与算法-复杂度分析

什么是复杂度分析

1. 复杂度也叫渐进复杂度，包括时间复杂度和空间复杂度，用来分析算法执行效率与数据规模之间的增长关系，可以粗略地表示，越高阶复杂度的算法，执行效率越低
2. 表示的是代码执行时间或者空间占用随着数据规模增长的变化趋势，而不是真正的代码执行时间和空间占用大小

时间复杂度分析的方法

时间复杂度主要主要有三个比较实用的方法

1. 只关注循环执行次数最多的一段代码

我们分析一段代码的时间复复杂度的时候，也只关注循环执行次数最多的这段代码就可以了

	int cal(int n){
		int sum = 0;
		for(int i = 0; i < n; i++){
			sum += i;	//只需要关注这句执行次数最多的代码即可
		}
		return sum;
	}

2. 加法法则：总复杂度等于量级最大的那部分代码的复杂度

如下代码的section1段代码的时间复杂度为O(1)，section2段代码的时间复杂度为O(n)，section3段代码的时间复杂度为O(n²)，所以取时间复杂度最大的时间复杂度O(n²)

	int call(int n){
		int sum1 = 0;
		int sum2 = 0;
		int sum3 = 0;
		//section1
		for(int i = 0; i < 100; i++){
			sum1 += i;		//时间复杂度O(1)
		}
		//section2
		for(int i = 0; i < n; i++){
			sum2 += i;	//时间复杂度O(n)
		}
		//section3
		for(int i = 0; i < n; i++){
			for(int j = 0; j < n;  j++){
				sum3 += i * j;	//时间复杂度O(n^2)
			}
		}
		return (sum1 + sum2 + sum3);
	}

3. 乘法法则：嵌套代码的时间复杂度等于嵌套内外代码时间复杂度的乘积

	int call(int n){
		int ret = 0;
		for(int i = 0; i < n; i++){
			ret = ret + f(i);	//时间复杂度为O(n^2)
		}
		return ret;
	}
	int f(int n){
		int sum = 0;
		for(int i = 0; i < n; i++){
			sum += i;
		}
		return sum;	//时间复杂度为O(n)
	}