因為工作的原因，重新拾起了資料結構，畢竟它的地位對於一名程式設計師來說舉足輕重，對於即將畢業的自己，也是決定把所有模糊的定義弄明白，為以後打好基礎。所以寫下人生中第一篇原創部落格，作為紀念。
複雜度分為兩種，1）時間複雜度；2）空間複雜度；
一.演算法時間複雜度
1.定義：在進行演算法分析時，語句總的執行次數t（n）是關於問題規模 n 的函式，進而分析t（n）隨 n 的變化情況並確定t（n）的數量級。演算法的時間複雜度，也就是演算法 的時間度量，記作：t（n）＝o（f（n））。它表示歲問題規模 n 的增大，演算法執行時間的增長率和f（n）的增長率相同，稱作演算法的監禁時間複雜度，簡稱為時間 複雜度。 其中f（n）的增長率相同，成為演算法的監禁時間複雜度，簡稱時間複雜度。其中f（n）是問題規模 n 的某個函式。
2.大o記法：
用大寫的o（）來體現演算法時間複雜度的記法，我們稱之為大o記法。
常數階：o（1）；
線性階：o（n）；
平方階：o（n^2）；
對數階：o（log m n）；
3.推導大o階方法：
1.用常數 1 取代執行時間中的所有加法常數。
2.在修改後的執行次數函式中，只保留最高端項。
3.如果最高端項存在且不是1，則去除與這個項相乘的常數。
得到的結果就是大o階。
使用上述三條進行推導：1:沒有加法的常數，所以不用考慮；
2:只保留最高端，因此保留n^2/2;
3:去除這個項相乘的常數，也就是去除1／2，最終這段**的時間複雜度為o(n^2)。
常見的時間複雜度：
執行次數
階 數
非正式術語
12o（1）
常數階2n+3
o（n）
線性階3n^2+2n+1
o（n2）
平方階5log2 n+20
o（logn）
對數階n+3nlog2+1
o（nlogn）
nlogn階
n^2+n+4
o（n^2）
立方階2^n
o（2^n）
指數階
o(1)o(n3)
<
o(2^n)
<
o(n!)
<
o(n^n)
時間複雜度分為：1）平均時間複雜度；2）最壞時間複雜度；
二.演算法的空間複雜度
演算法的空間複雜度的計算公式記作：s(n)=o(f(n)),其中，n為問題的規模，f(n)為語句關於 n 所佔儲存空間的函式。
快排時間複雜度詳細解釋
1 快速排序遞迴版 def quick sort arr if len arr 2 return arr 這是基線條件 else a arr 0 smaller i for i in arr 1 if i a bigger i for i in arr 1 if i a return quick s...
演算法的時間複雜度解釋
演算法的時間複雜度分析有兩種方式。一種方式是計算演算法具體的執行時間，最終根據這個時間的長短評價演算法的優劣。這種估計方法比較簡單易 於操作，但是這種方法有乙個缺點 估計時間會隨著計算機的不同而產生變化 不同計算機的配置 同乙個 計算機所處環境不同都會影響 另一種方式是只記錄演算法的關鍵操作。例如這...
時間複雜度的詳細介紹
一 時間複雜度 1 時間頻度 乙個演算法執行所耗費的時間，從理論上是不能算出來的，必須上機執行測試才能知道。但我們不可能也沒有必要對每個演算法都上機測試，只需知道哪個演算法花費的時間多，哪個演算法花費的時間少就可以了。並且乙個演算法花費的時間與演算法中語句的執行次數成正比例，哪個演算法中語句執行次數...