【简单总结】复杂度分析

常见四种场景

1. 执行次数为线性的， T（n）

def eatBread(n):
	for i in n:
		print("eat bread",i)

2. 执行次数为对数，T(n)=logn
   每一次都是减去一半

def eatBread(n):
	i = 1
	while i<=n:
		i = i * 2
		print("eat bread")

3. 执行次数为常数，T(n)=1.
   def eatBread(n):
   print(“eat bread”)

4. 执行次数为多项式，T(n)=0.5*n^2+0.5n
   一条长10寸的面包，吃掉第一个一寸需要1天时间，吃掉第二个一寸需要2天时间…吃完要多少天
   1加到10，[(n+1)*n]/2

def eat(n):
	while i<n:
		while j<i:
			print("等待一天")
			j+=1
		print("eat bread")
		i+=1

概念：若存在函数 f（n），使得当n趋近于无穷大时，T（n）/ f（n）的极限值为不等于零的常数，则称 f（n）是T（n）的同数量级函数。记作 T（n）= O（f（n）），称O（f（n）） 为算法的渐进时间复杂度，简称时间复杂度。

最好最坏时间复杂度

一段循环中，如果里面带有判断条件，有可能第一个条件就跳出循环，那么O(1)，有可能最后才跳出循环，那么O(N)；第一种情况就是最好情况时间复杂度，第二种是最坏情况时间复杂度

平均复杂度和摊还分析复杂度先不理~

常见问题

1. 空间复杂度的描述？

空间复杂度是指除了原本的数据存储空间外，算法运行还需要额外的存储空间。例如栈需要存储大小为n的数组，这些是无法省掉的，在入栈和出栈过程中，只需要一两个临时变量存储空间，所以空间复杂度是 O(1)