时间空间复杂度解析

简单的空间和时间复杂度分析

• 时间复杂度

  一般使用大O表示法来表示

  常见时间复杂度

  • O(1):常数时间复杂度
  • O(log n) 对数时间复杂度
  • O(n) 线性时间复杂度
  • O(n^2) 平方时间复杂度
  • O(n^3) 立方时间复杂度
  • O(2^n) 指数时间复杂度
  • O(n!) 阶乘时间复杂度

  在计算时间复杂度时基本可以分为两种情况

  1. 循环，下面为循环的例子

  var i = 0
  console.log(i)
  // 代码只执行一次 时间复杂度为O(1)
  
  var i = 0
  console.log(i)
  console.log(i+1)
  console.log(i-1)
  // 代码执行三次 但是由于不计算常数系数所以时间复杂度还是O(1)
  
  for(let i = 0;i<=n;i++){
  	console.log(i)
  }
  // 这段for循环会执行n次，执行次数会根据n的变化而变化。所以时间复杂度为O(n)
  for(let i = 0;i<=n;i++){
  	for(let j = 0;j<=n;j++){
  	console.log(j)
  	}
  }
  // 两个for嵌套循环，程序会执行n^2次所以时间复杂度为O(N^2)
  for(let i = 0;i<=n;i++){
  	console.log(i)
  }
  for(let j = 0;j<=n;j++){
  	console.log(j)
  }
  // 如果两个循环并列，程序执行2n次，但是由于不计算前面的常数系数，所以时间复杂度任然为O(n)
  

  2. 递归计算方法：
     1 . 画递归的状态树，根据状态树来计算空间复杂度
     2. 主定理，如下图

  

  参考文章:主定理（Master Theorem）与时间复杂度

  常见时间复杂度曲线

  [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-44jM36fa-1599283868278)(./1.jpg)]

• 空间复杂度

1. 如果有数组就要看数组的长度

   如果是一维数组，则为O(n),如果是二维数组就位O(n^2)

• 空间复杂度

1. 如果有数组就要看数组的长度

   如果是一维数组，则为O(n),如果是二维数组就位O(n^2)

2. 有递归则为最大的递归深度