【复杂度分析】

此为自己学习课程的笔记，供自己复习用。

前言

注意：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。

大O时间复杂度表示法：也叫渐进时间复杂度，简称时间复杂度。它实际上并不具体表示代码真正的执行时间，而是表示代码执行时间随数据规模增长的变化趋势

• 用大O表示法时，一般只需记录一个最大量级就可以了。比如，当代码执行次数为n²+3n+5，可以表示为O(n²)。

一、分析代码时间复杂度的方法

1、只关注循环执行次数最多的一段代码

因为我们只需要记录最大阶的量级，因此我们只关注循环执行次数最多的代码就可以了。

2、总复杂度等于量级最大的那段代码的复杂度

3、嵌套代码的复杂度等于嵌套内外代码复杂度的乘积

二、时间复杂度量级分类

可分为多项式量级和非多项式量级

• 非多项式量级只有两个：O(2ⁿ) 和 O(n!)。
• 时间复杂度为非多项式量级的算法问题叫作 NP（非确定多项式）问题。

多项式时间复杂度：

1. O(1)：表示常量级时间复杂度。
   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)。

2. O(logn)、O(nlogn)

如下代码：

int i = 1;
while(i <= n){
	i = i * 2;
}

要计算出上面代码执行了多少次：
2⁰=1, 2¹=2, 2²=4, 2³=8,…, 2^x=n, 求x的值
x = log2n
因此时间复杂度为O(log2n)。
统一表示为 O(logn)

3. O(m+n), O(m*n)
   因为不知道m和n的量级谁大，所以写成两者加和的形式。

三、空间复杂度分析

空间复杂度：又叫渐进空间复杂度，表示算法的存储空间与数据规模之间的增长关系。