算法的复杂度

1. 算法的时间复杂度分析

1.1 事前分析估算

研究算法的目的在于如何花更少的时间、占用更少的内存去完成相同的需求，度量算法的执行时间，虽然可以通过计时的方法进行事后测试，但往往会花费大量时间和精力；事前分析估算是指在程序编写前，依据统计方法对算法进行估算。

程序在计算机上运行所消耗的时间取决于以下因素：

1. 算法采用的策略和方案

2. 编译产生的代码质量

3. 问题的输入规模（输入量的多少）

   算法随着输入规模的增长量：
   1. 算法函数中的常数可以忽略
   2. 算法函数中最高次幂的常数因子可以忽略
   3. 算法函数中最高次幂越小，算法效率越高
   

4. 机器执行指令的速度

1.2 常见的时间复杂度

描述	增长的数量级	说明	举例
常数级别	1	普通语句	将两个数相加
对数级别	$logN$	二分策略	二分查找
线性级别	$N$	循环	找出最大元素
线型对数级别	$NlogN$	分治思想	归并排序
平方级别	$N^2$	双层循环	检查所有元素对
立方级别	$N^3$	三层循环	检查所有三元组
指数级别	$2^N$	穷举查找	检查所有子集

复杂程度从低到高依次为：
$O(1)<O(logn)<O(n)<O(nlogn)<O(n^2)<O(n^3)$
我们的算法应尽可能的追求$O(1)$，$O(logn)$，$O(n)$，$O(nlogn)$这几种时间复杂度。除非特别指定，我们提到的运行时间都指的是最坏情况下的运行时间。

2. 算法的空间复杂度分析

基本数据类型内存占用情况

数据类型	内存占用字节数
byte	1
short	2
int	4
long	8
float	4
double	8
boolean	1
char	2

算法空间复杂度计算公式：$S(n)=O[f(n)]$，其中$n$为问题的规模，$f(n)$为语句关于$n$所占存储空间的函数。
由于现在的计算机设备内存一般都比较大，所以内存占用一般情况下并不是算法的瓶颈，普通情况下直接说复杂度，默认为算法的时间复杂度。