复杂度计算
简介
不用具体的测试数据来测试,就可以粗略地估计算法的执行效率的方法
时间复杂度
时间复杂度代表代码执行时间随数据规模增长的变化趋势,所有代码的执行时间 T(n) 与每行代码的执行次数 f(n) 成正比,所以T(n) = O(f(n))
分析方法
- 只关注循环执行次数最多的一段代码
- 加法法则:总复杂度等于量级最大的那段代码的复杂度
- 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)
一般情况下,只要算法中不存在循环语句、递归语句,即使有成千上万行的代码,其时间复杂度也是Ο(1)
O(logn)、O(nlogn)
如代码,i = i * 2执行后的结果为 2^k > n, 所以代码会执行k次,通过数学计算,k=log2n,通常情况下底数可以省略,所以复杂度为O(logn)
1 |
|
O(m+n)、O(m*n)
代码的复杂度由两个数据的规模来决定
空间复杂度
算法的存储空间与数据规模之间的增长关系