复杂度分析

复杂度分析

复杂度分析：分析、统计算法得执行效率和资源消耗

【注】：大 O 这种复杂度表示方法只是表示一种变化趋势

时间复杂度分析

【注】：

它表示的是一个算法执行效率与数据规模增长的变化趋势，所以不管常量的执行时间多大，我们都可以忽略掉。因为它本身对增长趋势并没有影响。

时间复杂度的全称是渐进时间复杂度，表示算法的执行时间与数据规模之间的增长关系。

• 只关注循环执行次数最多的一段代码
• 加法法则：总复杂度等于量级最大的那段代码的复杂度
• 乘法法则：嵌套代码的复杂度等于嵌套内外代码复杂度的乘积

几种常见时间复杂度实例分析

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-eTSaCVNZ-1610011638418)(C:\Users\admin\AppData\Roaming\Typora\typora-user-images\image-20210107150906019.png)]

• 多项式量级
• 非多项式量级
  • 非多项式量级只有两个：O(2n)和 O(n!)。当数据规模 n 越来越大时，非多项式量级算法的执行时间会急剧增加

1、O(1)

• 只要代码的执行时间不随n的增大而增大，这样代码的时间复杂度我们都记作O(1).或者说，一般情况下，只要算法中不存在循环语句、递归语句，即使有成千上万行的代码，其时间复杂度也是Ο(1)。

2、O(logn)、O(nlogn)

//O(log2n)
i=1;
 while (i <= n)  {
   i = i * 2;
 }
 
//O(log3n)
i=1;
 while (i <= n)  {
   i = i * 3;
 }

实际上，不管是以 2 为底、以 3 为底，还是以 10 为底，我们可以把所有对数阶的时间复杂度都记为 O(logn)。为什么呢？

我们知道，对数之间是可以互相转换的，log3n 就等于 log32 * log2n，所以 O(log3n) = O(C * log2n)，其中 C=log32 是一个常量。基于我们前面的一个理论：在采用大 O 标记复杂度的时候，可以忽略系数，即 O(Cf(n)) = O(f(n))。所以，O(log2n) 就等于 O(log3n)。因此，在对数阶时间复杂度的表示方法里，我们忽略对数的“底”，统一表示为 O(logn)。

如果一段代码的时间复杂度是 O(logn)，我们循环执行 n 遍，时间复杂度就是 O(nlogn) 了。而且，O(nlogn) 也是一种非常常见的算法时间复杂度。比如，归并排序、快速排序的时间复杂度都是 O(nlogn)。

3、O(m+n)、O(m*n)

m 和 n 是表示两个数据规模。我们无法事先评估 m 和 n 谁的量级大，所以我们在表示复杂度的时候，就不能简单地利用加法法则，省略掉其中一个。所以，上面代码的时间复杂度就是 O(m+n)。

空间复杂度分析

【注】：

空间复杂度全称就是渐进空间复杂度（asymptotic space complexity），表示算法的存储空间与数据规模之间的增长关系。

小结

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。常见的复杂度并不多，从低阶到高阶有：O(1)、O(logn)、O(n)、O(nlogn)、O(n2 )。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7K1vMZ3V-1610011638420)(C:\Users\admin\AppData\Roaming\Typora\typora-user-images\image-20210107155145174.png)]

什么是复杂度分析？

1. 数据结构和算法解决是“如何让计算机更快时间、更省空间的解决问题”。
2. 因此需从执行时间和占用空间两个维度来评估数据结构和算法的性能。
3. 分别用时间复杂度和空间复杂度两个概念来描述性能问题，二者统称为复杂度。
4. 复杂度描述的是算法执行时间（或占用空间）与数据规模的增长关系

为什么要进行复杂度分析？

1. 和性能测试相比，复杂度分析有不依赖执行环境、成本低、效率高、易操作、指导性强的特点。
2. 掌握复杂度分析，将能编写出性能更优的代码，有利于降低系统开发和维护成本。

如何进行复杂度分析？

1. 大O表示法
   算法的执行时间与每行代码的执行次数成正比，用T(n) = O(f(n))表示，其中T(n)表示算法执行总时间，f(n)表示每行代码执行总次数，而n往往表示数据的规模。以时间复杂度为例，由于时间复杂度描述的是算法执行时间与数据规模的增长变化趋势，所以常量阶、低阶以及系数实际上对这种增长趋势不产决定性影响，所以在做时间复杂度分析时忽略这些项。
2. 复杂度分析法则
   1）单段代码看高频：比如循环。
   2）多段代码取最大：比如一段代码中有单循环和多重循环，那么取多重循环的复杂度。
   3）嵌套代码求乘积：比如递归、多重循环等
   4）多个规模求加法：比如方法有两个参数控制两个循环的次数，那么这时就取二者复杂度相加。

最好情况时间复杂度就是，在最理想的情况下，执行这段代码的时间复杂度。

最坏情况时间复杂度就是，在最糟糕的情况下，执行这段代码的时间复杂度。