算法Big O Notation

Big O Notation是一种表示算法的时间和空间复杂度的方法

1）时间复杂度：算法完成执行所花费的时间

2）空间复杂度：算法占用的内存

表示算法时间复杂度的表达式（符号）

O(1)：恒定时间复杂度

O(log n)：对数时间复杂度。如果log(n) = x那么它与10^x相同

O(n)：线性时间复杂度。时间随着输入的数量呈线性增加。例如，如果一个输入需要1ms，那么4个输入需要4ms来执行算法

O(n^2)：指数时间复杂度。主要发生在嵌套循环的情况下

O(n!)：阶乘时间复杂度。这是最坏的情况，应避免

解决问题的方法或说解决问题的步骤、程序或规则集称为算法

例如：搜索引擎算法用于查找与搜索字符串相关的数

function oddArray(arr) {
    let result = [];
    function helperRecursiveFn(arr) {
        // 判断数组长度是否为0
        if(arr.length === 0) {
            return; // 1
          // 判断数组中的元素是否为奇数
        } else if(arr[0] % 2 !== 0) {
            // 把得到的奇数添加到result数组里面
            result.push(arr[0]); // 2
        }
        helperRecursiveFn(arr.slice(1)); // 3
    }
    helperRecursiveFn(arr);
    return result;
}

oddArray([1, 2, 3, 4, 5, 6, 7, 8, 9, 10]);
// OutPut -> [1, 3, 5, 7, 9]

这里的递归函数是helperRecursiveFn。

1. 如果数组长度为0，则返回。

2. 如果元素是奇数，则将元素推送到result数组。

3. 使用切片数组的第一个元素调用helperRecursiveFn。每次都会切片数组的第一个元素，因为已经检查过它是奇数还是偶数。

例如：第一次用[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]调用helperRecursiveFn。下一次将用[2, 3, 4, 5, 6, 7, 8, 9, 10]调用helperRecursiveFn，直到数组长度为0。