衡量一个算法的好坏, 从时间复杂度和空间复杂度来全面分析,
算法的最优解: 先考虑时间复杂度再考虑空间复杂度
时间复杂度
常数阶O(1) : 算法的执行时间总是为常数, 不随数据量变化而改变
int k = i + j;
复制代码线性阶O(n) : 算法的执行时间随数据量的变化线性增长
for (int i = 0; i < n; i++) {
//TODO
}
复制代码平方阶O(n^2) :
for(int i = 1; i <= n; i++) {
for(int j = 1; j <= n; j++) {
//TODO
}
}
复制代码对数阶O(logn) : 2^x = n 得出 x = log₂n, while循环处理不一定都是线性的
int i = 1;
while (i < n) {
i = i * 2;
}
复制代码PS: N^M 就是 N * N * N ....(M个N相乘, 感觉都把数学内容都还给老师了)
线性对数阶O(n * logn) : 把时间复杂度为logn代码循环n遍
for(int m = 1; m < n; m++) {
i = 1;
while(i < n) {
i = i * 2;
}
}
复制代码空间复杂度
常数阶O(1) :
int i = 1;
int j = 2;
int m = i + j;
复制代码线性阶O(n) :
int[] m = new int[n]
for(int i = 1; i <= n; ++i) {
int j = i;
j++;
}
复制代码