【学习笔记】数据结构与算法之美Day1-复杂度分析一

数据结构和算法是解决程序快和省的问题。事后统计法会依赖机器配置及数据规模的影响。时间、空间复杂度分析可更好的避免 其外界因素的影响，只关注算法本身。

时间复杂度分析：代码执行次数

• 执行最多的代码次数代表其时间复杂度。
• 所有代码的执行时间T(n)和每行代码执行次数n是成正比的。
• 只关注循环执行次数最多的代码
  一个未知数组的for循环复杂度是O(n)
• 加法法则：总复杂度等于量级最大的那段代码的复杂度。
  当有O(n)和O(n²)同时顺序执行时，总复杂度为O(n²)
• 乘法法则：嵌套代码的总复杂度是每层代码复杂度的乘积

常见算法时间复杂度

• O(1)
  代码中不包含循环嵌套、递归等逻辑，计算代码再多也是常数，即O(1)
• O(n)
  二叉树、有序二维矩阵是O(n)
• O(logn)
  二分查找时间复杂度是O(logn)
• O(nlogn)
  归并排序、快速排序
• 从低阶到高阶排序：
  O(1)、O(logn)、O(n)、O(nlogn)、O(n2)

空间复杂度： 算法存储空间和数据规模增长关系

• 常见的空间复杂度就是 O(1)、O(n)、O(n2)