版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/datadev_sh/article/details/79109211
算法效率的度量方法
1、事后统计方法：缺陷多。
1）需要耗时耗力编制程序
2）程序执行受环境影响大
3）测试数据的设计困难
2、事前分析估算方法。
看下几个算法
第一种算法，执行次数为： 1+（n+1）+ n + 1 = 2n + 2
第二种算法，执行次数为：1 + 1 + 1 = 3
第三种算法，执行次数为： 1 + n * n + 1 =n² + 2
如果n足够大，那么每个算法的首尾的那次执行可以忽略，则可分为记为：
f(n) = 2n
f(n) = 1
f(n) = n²
算法时间复杂度
算法的时间度量，记作：T(n)= O(f(n))。像这样用大写的O( )来体现算法时间复杂度的记法，称之为大O记法。
推导大O阶方法
如何对 f(n) = n² + 2 进行推导？
1、用常数1取代所有加法常数。
2、只保留最高阶。
3、去除与这个项相乘的常数。
那么，上文的可以记作：
O(f(n)) = 2n 即 O(n) 线性阶
O(f(n)) = 1 即 O(1) 常数阶
O(f(n)) = n² 即 O(n²) 平方阶
常见的时间复杂度
算法空间复杂度
算法空间复杂度的计算公式记作(Space Complexity)：S(n) = O(f(n))，其中n是问题规模，f(n)为语句关于n所占存储空间的函数。
如当一个算法的空间复杂度为一个常量，即不随被处理数据量n的大小而改变时，可表示为O(1)；当一个算法的空间复杂度与以2为底的n的对数成正比时，可表示为0(10g2n)；当一个算法的空I司复杂度与n成线性比例关系时，可表示为0(n)。