数据结构和算法中的复杂度分析

了解复杂度分析，数据结构和算法中复杂度分为时间复杂度和空间复杂度，我们用大O表示法，时间复杂度分析用三种方法分析：

1、只关注循环执行次数最多的一段代码,以下代码复杂度为O（n）

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

2. 加法法则：总复杂度等于量级最大的那段代码的复杂度,以下代码复杂度为O（n²）

int cal(int n){
    int sum = 0;
    int sum2 = 0;
    for(int i = 1; i <= n; i++){
        sum = sum + i;
    }
    for(int i=1; i <= n; i++){
        for(int j=1 ; j <= n; j++){
            sum2 = sum2 + j * i;
        }
    }
    return sum + sum2;
}

3. 乘法法则：嵌套代码的复杂度等于嵌套内外代码复杂度的乘积,以下代码复杂度为O（n²）

int cal(int n){
    int sum = 0;
    for(int i = 0; i < n; i++){
        sum = sum + sum2(i);
    }
    return sum;
}

int sum2(int n){
    int sum2 = 0;
    for(int i=0;i < n; i++){
        sum2 = sum2 + i;
    }
    return sum2;
}

以下是常见的几种时间复杂度（复杂度量级依次递增）：

• 常量阶        O（1）
• 对数阶        O（logn）
• 线性阶        O（n）
• 线性对数阶 O（nlogn）
• 平方阶        O（n²） 、立方阶 O（n³） ▪▪▪ k次方阶 O（n^k）
• 指数阶        O（2^n）
• 阶层阶        O（n!）

以上可以简单分两类，前面的属于多项式量级，最后两种属于非多项式量级，当数据规模 n 越来越大时，非多项式量级算法的执行时间会急剧增加，求解问题的时间会无限增长；

int[] a = new int[n];

这段代码的空间复杂度就是为O（n）。