研究复杂度的根本目的是为了降低复杂度，在时间复杂度和空间复杂度之间权衡出一个最佳解决方案。
1. 时间复杂是什么
- 一个函数用大 O 表示，比如 O(1)，O(n)、O(logN)
- 定性描述该算法的运行时间
时间复杂度的图
1 < log2n < √n < n < nlog2n < n2 < 2n < n!
复制代码O(1)
O（1）无循环 只会执行一次
let i = 0;
i +=1
复制代码O(n)
循环执行了n次
for (let i = 0; i < n; i += 1) {
console.log(i)
}
复制代码O(1) + O(n) = O(n)
O(n) 足够大时，O(1) 忽略不计
let i = 0;
i +=1
for (let i = 0; i < n; i += 1) {
console.log(i)
}
复制代码O(n) * O(n) = O(n^2)
相同之间相乘
for (let i = 0; i < n; i += 1) {
for (let j = 0; j < n; j += 1) {
console.log(i, j)
}
}
复制代码O(logN)
logN 以2为底的 求2的多少次方位N
不断求 2的一次方 2的2次 知道结果 大于等于n while 循环中的代码执行多少次 logn次
let i = 1;
while (i < n) {
console.log(i)
i * 2;
}
复制代码- 空间复杂度
- 一个函数用大 O 表示，比如 O(1)，O(n)、O(logN)
- 算法在运行过程中临时占用储存空间大小的量度
O(1)
每一个基础类型的值为一个空间计算单元
let i = 0;
i +=1
复制代码O(n)
因为数组中占用了 n 个空间
const list = []
for(let i = 0; i< n; i++){
list.push(i)
}
复制代码O(n^2)
因为矩阵存储了多维的值 矩阵的本质就是一个二维数组
const matrix = []
for(let i = 0; i < n; i++){
matrix.push([])
for(let j = 0; j < n; j++){
matrix[i].push(j)
}
}
复制代码思考题
1、如果一段代码中有 3 个循环，它们的循环次数都是 n，那么这段代码的时间复杂度是 O (3n) 还是 O (n)？
- 如果三个循环是并列代码块，时间复杂度是 O(n)
- 如果三个循环是嵌套代码块，时间复杂度是O(n^3)
- 如果三个循环只有两个嵌套，时间复杂度是O(n^2) + O(n) = O(n^2)
2、假设每天睡觉前，你都会数 2 的次方，1、2、4、8……，每次你都数到 n 才睡着，那么你数了几个数？时间复杂度是多少？
- 一共数了 (log n) + 1 个数
- 时间复杂度是O(log n)
常见数据结构操作的时间、空间复杂度
上图原文链接： 来自[野风大佬]: https://zhuanlan.zhihu.com/p/143358017
欢迎大家在评论区交流·～～