【算法】1.时间复杂度

站在巨人的肩膀上

面对码农这一说法 笔者是不认可的，编程是一门艺术。编程的根本是数据结构+算法。本文主要总结一下算法复杂度相关内容

时间复杂度

常见时间复杂度函数

常见的几个时间复杂度

类型	意义	举例
o(1)	最低复杂度，常量值；也就是耗时/耗空间与输入数据大小无关，无论输入数据增大多少倍，耗时/耗空间都不变	哈希算法就是典型的0(1)时间复杂度，无论数据规模多大，都可以在一次计算后找到目标（不考虑冲突的前提下）
o(n)	数据量增大n，耗时也增大n	遍历
o(n^2)	对n个数排序，需要执行n*n次	冒泡排序
O(logn)	数据增大n备时，耗时增大logn倍（logn为以2为底，数据增大256倍，耗时增加八倍）	二分查找
O(nlogn)	nlogn,当数据增大256倍，耗时增大2568= 2048倍，高于线性低于平方	归并排序

对于O(2^n)和O(n!)这里不做过多描述，算法研究上涉及较小

常见算法时间复杂度

时间复杂度的计算

在我们大概了解的上面介绍的时间复杂度的一些函数的时候，具体时间复杂度怎么计算来的呢，其实我们不要想的太复杂，一般我们把算法时间复杂度，计算到最后都会归总为类似图1的那几类，或者如下图对比的几个分类。下图为我们设计的一段算法程序，执行完成需要的执行次数和输入数量n的函数，并且统一归纳为相应的阶。一般我们程序里研究到nlogn阶即可，剩下的我们都可以不考虑。

下面贴一个详细的例子来加深一下算法时间复杂度计算的一个方法：

例子如下：

我们把每一段代码的时间复杂度相加得出：

抱着平常心，不要把算法问题想的太复杂，一步一步我们都能成为合格的程序设计者。

扩展

空间复杂度顾名思义就是算法占用存储空间，确切的说就是占用运行时内存空间的一个函数表达式。通常用S(n)=O(f(n))来表示。通常有以下几个阶O(1)、O(n)、O(n²)。对于空间复杂度我们掌握一些原则即可如 常见的很多算法用空间换时间 或者说 高效率低存储等等