算法复杂度
算法复杂度
1、时间复杂度:表示算法的执行时间与数据规模之间的增长关系
1). 只关注循环执行次数最多的一段代码
2). 加法法则:总复杂度等于量级最大的那段代码的复杂度
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
几种常见时间复杂度实例分析
O(1)、O(logn)、O(n)、O(nlogn)、O(n*n)
最好、最坏、平均、均摊时间复杂度要根据具体的算法进行分析
在数组中查找一个元素
function searchKey($data, $key)
{
if(empty($data) || empty($key)){
return false;
}
for ($i=0; $i < count($data); $i++) {
if($data[$i] == $key){
return $i;
break;
}
}
return false;
}
最好:O(1)
最坏:O(n)
平均:O(n)
2、空间复杂度:表示算法的存储空间与数据规模之间的增长关系
常见的空间复杂度就是 O(1)、O(n)、O(n2 )