时间复杂度分析
大O复杂度表示法
大O时间复杂度实际上并不具体表示代码真正的执行时间，而是表示算法的执行时间随数据规模增长的变化趋势，所以，也叫作渐进时间复杂度（asymptotic time complexity），简称时间复杂度。
表示：
例如：，其中
大O复杂度表示法，就是代码执行的次数，三个比较实用的方法：
- 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
多段代码组成的代码的分析 - 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
循环内的方法调用
常见的复杂度量级
1. 多项式时间复杂度
常量阶
对数阶
线性阶
线性对数阶
比如：归并排序、快速排序
平方阶 ，立方阶
，...，k次方阶
2. 指数型时间复杂度
指数阶
阶乘阶
对数知识
，所以通常省略底数，计作
图片发自：极客时间《数据结构与算法》王争
空间复杂度分析
全称渐进空间复杂度（asymptotic space complexity），表示算法的存储空间与数据规模之间的增长关系。
就是看程序申请的内存空间与数据规模n的关系。
常见的空间复杂度就是、
、
。
内容总结自：
极客时间：《数据结构与算法》王争
网友评论