复杂度

复杂度分析
目标：算法的运行速度 —— 时间复杂度
算法运行所需要的空间 —— 空间复杂度

时间复杂度(和数据的规模有关)
不会直接用时间衡量(因为无法选定一个不变的客观的运行环境)
——使用算法的指令个数去衡量运行速度
所以最终，评估算法的运行时间变成了：
1.和数据的规模有光
2.计算该算法的指令个数
3.在考虑原始数据情况下

时间复杂度：函数关系，关于数据规模N的函数关系。

有了f(n)这样的函数关系，具体的忽略规则：
1.只需要保留最高次项
2.最高次项的系数化为1即可
复杂度化简(大O标记法)： 只保留最高次项且高次项系数化为1。

数据的不同情况影响运算速度，一般来说，评价算法只需要分析算法的最坏情况即可。

总结：
时间复杂度：
1.衡量算法的运行速度
2.通过计算指令(基本指令)个数，来间接测量运算速度(基本指令复杂度为O(1))
3.具体的结果：关于数据规模(n)的函数关系
4.为了便于估算，使用大O标识符进行化简：
只保留最高次项
最高次项的系数为1
表示为O(N)/O(N^2)…
5.理论上应区分 最好/平均/最坏情况，但为了便于估算，一般只需要估算最坏情况即可。

什么叫做基本指令？
运算的时间复杂度为O(1)的才是基本指令。

计算时间复杂度的方法：
1.最常见的方式：记循环的次数
2.借助图形去理解：二分查找
3.借助调用栈画图：递归

对常见的复杂度做个排序：
O(1) < O(log(n)) < O(n) < O(n*log(n)) < O(n^2) < O(n ^3) < O(2 ^n)