在面試的時候，經常會詢問到演算法的題目，尤其是後端的面試，去一些網際網路的大廠。那麼解析乙個題目的演算法又很多種，面試官如何判斷你這個演算法是不是最優的演算法。沒錯，判斷乙個演算法的優秀程度，就是使用時間複雜度。
個人總結出三個計算時間複雜度的規律
1、找到執行次數最多的語句
2、語句執行語句的數量級
3、用o表示結果
計算時間複雜度的3個出發點，掌握這三個出發點，那麼一向搞不懂的時間複雜度就可以迎刃而解啦。
o(1 )< o(logn) < o(n) < o(n*logn) < o(n^2) < o(n^3) < o(2^n) < o(n!) < o(n^n)
/**
* o(1)
*/private static void complexforo1()
/*** o(n)
*/private static void complexforon(int n)
}
/**
* o(n^2) demo1
*/private static void complexforonsquare1(int n)
}}
/**
* o(n^2) demo2
*/private static void complexforonsquare2(int n)
}for (int i = 1; i < n; i++)
}
/**
* o(n^2) demo3
*/private static void complexforonsquare3(int n)
}} else
}}
/**
* o(log(n))
** 假設迴圈次數為 t，則迴圈條件滿足 2^t < n。
* 可以得出，執行次數t = log(2)(n)，即 t(n) = log(2)(n)，可見時間複雜度為 o(log(2)(n))，即 o(log n)
*/private static void complexforonlog(int n)
}
/**
* o(2^n)
* 顯然執行次數，t(0) = t(1) = 1，同時 t(n) = t(n - 1) + t(n - 2) + 1，這裡的 1 是其中的加法算一次執行。
* 顯然 t(n) = t(n - 1) + t(n - 2) 是乙個斐波那契數列，通過歸納證明法可以證明，當 n >= 1 時 t(n) < (5/3)^n，同時當 n > 4 時 t(n) >= (3/2)^n。
* 所以該方法的時間複雜度可以表示為 o((5/3)^n)，簡化後為 o(2^n)
*/private static int complexforo2squaren(int n) else
}
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...
演算法複雜度 時間複雜度和空間複雜度
演算法複雜度 時間複雜度和空間複雜度 關鍵字 演算法複雜度 時間複雜度 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...
演算法複雜度 時間複雜度和空間複雜度
演算法的時間複雜度是指執行演算法所需要的計算工作量。n稱為問題的規模，當n不斷變化時，時間頻度t n 也會不斷變化。但有時我們想知道它變化時呈現什麼規律。為此，我們引入時間複雜度概念。一般情況下，演算法中基本操作重複執行的次數是問題規模n的某個函式，用t n 表示，若有某個輔助函式f n 存在乙個正...