数据结构复杂度知识点总结

复杂度

复杂度取决于以下几点：
1.算法采用的策略和方案。
2.编译产生的代码质量。
3.问题的输入规模。
4.机器执行指令的速度。

一个程序的运行时间依赖与算法的好坏和问题的输入规模（所谓问题输入规模是指输入量的多少）
研究算法的复杂度，侧重研究的是算法随着输入规模的扩大增长的一个抽象，而不是精确地定位需要执行多少次）
在分析一个算法的运行时间时，重要的是把基本操作的数量和输入模式关联起来。

算法的时间复杂度也就是，算法的时间度量。
执行次数=时间
用O(n)表示时间复杂度
随着输入规模n的扩大，T(n)增长最慢的算法为最优算法

三个求和算法时间度分别为O(1),O(n),O(n^2)
如图：

如何分析一个算法的时间复杂度？求导出大O阶？
第一步：用常数1取代运行时间中的所有加法常数。
第二步：在修改后的运行次数函数中，只保留最高阶项。
第三步：如果最高项存在且不为1，则去除与这个项相乘的常数。
第四步：得到的最后结果就是大O阶。

常用的时间复杂度所耗费的时间从小到大依次是：
O(1) <O(logn) O(n) <O(nlogn) <O(n^2) <O(n ^3)<O(2 ^n) <O(n!) <O(n ^n)

空间复杂度是指对空间的需求，在此不做赘述。