NLP(2) 算法复杂度，归并排序，主成分分析，斐波那契数列的复杂度

第二节：算法复杂度

1、引入

• 时间复杂度
• 空间复杂度
  O(N)😮 Notation

int a=0,b=0;
for (i=0; i<N ; i++)
	a=a+rand(); #N*一个操作
	b=b+rand(); #N*一个操作
for (j=0; j<N/2;j++)
	b=b+rand();#N/2*一个操作

时间复杂度：o(N)
空间复杂度：两个单位的内存空间O(1)

int a=0;
for (i=0;i<N;i++){
	for (j=N;j>i;j--){
		a=a+i+j;
	}
}

时间复杂度O(N^2)
空间复杂度O(1)

int a=0,i=N;
while(i>0){
	a+=i;
	i/=2;
}

时间复杂度O（logn）

我们每当说算法x的效率要高于y时是指？

x的时间复杂度小于y

定理

如果x的时间复杂度要优于y的时间复杂度，只有N足够大时，可以保证x的实际效率要优于y的实际效率吧

常见复杂度排序

O(1)<O(log n)<O(n)<O(nlogn)<O(n^ 2) < O(n^ 3 ) < O(2^n)