数据结构与算法之美【总结笔记】 -- 复杂度分析

1.为什么进行复杂度分析

不同运行环境下，由于硬件的不同、软件版本的不同，并发数不同等待原因，同一代码的运行时间可能相差极大，所以，测试环境下的运行效率虽然直观，但是不能完全信任，所以还需要可靠的理论来支撑。

时间复杂度和空间复杂度的分析，就是对于代码运行效率的抽象，不受运行环境影响，只面向巨大的数据量分析，具有极高的价值。

2.复杂度的表示方法

大 O 复杂度表示法

因为无法知道每一行代码的具体运行时间，所有可以使用参数 runTimeLine 来表示一行代码的运行时间，然后只需要计算每行代码运行多少遍就可以知道时间复杂度啦。

例如以下代码，第4行和第5行代码运行次数为n次，其他为1次，所有总的时间为 （2n+3）* runTimeLine

而用大O表示复杂度的时候，只看增长趋势，所以忽略 低阶、常量、系数  这三个无关部分

进而此代码的时间复杂度为O（n）

int cal(int n) { 
  int sum = 0;
  int i = 1;
  for (; i <= n; ++i) {
    sum = sum + i; 
  } 
  return sum; 
}

总结：直关注执行次数最多的行就可，可以用加法和乘法来计算复杂逻辑下的时间复杂度

3.常见时间复杂度

其中指数阶和阶乘阶的增长趋势太快，所以性能很差，尽量不要出现该复杂度的代码。