三個迴圈：
for x in ...
for y in ...
for z in ..
時間複雜度o（n^3）
對於二迴圈：
for 0..n
for 0..m
在運算過程成，需要的步數是n*m，那麼稱呼它的複雜度是o(n^2)，
n衡量的是你的演算法，步數上公升的乙個量級
如果是乙個for 0..n的演算法，那麼時間複雜度是o(n)
如果是：x = 10，這樣一行完成的**，它的複雜度是o(1)
也許你的o(n)的演算法，會比o(n^2)的演算法所花的時間長，因為你那個o(n)的演算法，可能需要處理100萬個資料
而你那個o(n^2)的演算法可能只需要處理100個資料，那麼100*100 = 10000，還是比一百萬資料的處理時間少
但是衡量演算法效能好壞不看那個絕對時間，看這個大o，因為你的複雜度是o(n^2)的話，它隨著資料量的增大，它的時間上公升特別快
o(n)則是線性上公升，當然，大o的複雜度如果是指數或者是階乘，那就是複雜度很高，效率很低的演算法，那就是複雜度很高，效率很低的演算法
二分查詢法，時間就是o(ln)，因為每次都是除以2，所需步數的量級就是lnn
所以上面這個演算法的複雜度是o(n^2)
我們可以把它降到o(n*lnn)
如果把其中乙個for去掉，換成乙個二分查詢，加乙個中間陣列
就可以實現
演算法時間複雜度空間複雜度
演算法 是解決某一類問題的通法，即一系列清晰無歧義的計算指令。每個演算法只能解決具有特定特徵的一類問題，但乙個問題可由多個演算法解決。乙個演算法應該有以下五個方面的特性 比較演算法的優劣我們從兩個維度去進行考量 時間 空間 時間複雜度，空間複雜度 找出基本語句 演算法中執行次數最多的那條語句就是基本...
演算法 時間複雜度 空間複雜度
1 if i 1 2 a 1 result 3 4 result n 2 result 1000 1000 3 array.push a array.pop 4 map.set 1,1 map.get 1,1 在計算複雜度的時候，o 1 一般會被忽略。1 for let i 0 i n i 2 wh...
演算法複雜度 時間複雜度和空間複雜度
1 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...