複雜度的總結概要
最近複習演算法，先總結一下最基本的時間複雜度概念和判斷方法。
常用七種
不考慮常數係數。
判斷： **根據n的情況執行的次數
o(1)
var n =
1000
;console.
log(
'輸出一次：'
+ n )
console.
log(
'輸出二次：'
+ n )
console.
log(
'輸出三次：'
+ n )
o(n)
var n =5;
for(
var i =
1; i <= n ; i++
)
另外，兩次for迴圈是並列執行，時間複雜度還是o(n)
o(n^2)
var n =5;
for(
var i =
1; i <= n ; i++
)}
o(log(n))
var n =4;
for(
var i =
1; i <= n ; i=i*2)
o(k^n)
var
fib=
function
(n)else
}console.
log(
fib(5)
);
遞迴函式的時間複雜度計算原理： 主定理；
常見四種演算法的時間複雜度：
（有序陣列）二分查詢：o(log(n))
二叉樹遍歷： o(n) 每次一分為二，每邊以相等的時間複雜度計算， 每個節點只訪問一次
有序矩陣）二分查詢：o(n)
歸併排序（所有排序中最優的時間複雜度）：o(nlogn)
降低時間、空間複雜度，節約計算機資源
例：計算： 1+2+3+…+100
方法一：for迴圈累加 o(n)
var sum =0;
for(
var i =
0; i <=
100; i++
)
常見面試總結
二叉樹遍歷- 前序、中序、後序：o(n) n表示二叉樹的樹的節點總數。遍歷二叉樹，每個節點都會被訪問，且只被訪問一次。
圖的遍歷： o(n) 每個節點訪問一次
搜尋演算法：dfs深度優先、bfs廣度優先的時間複雜度： o(n) 只訪問一次節點，n為搜尋空間節點總數
空間複雜度
1.陣列的長度：空間複雜度。 一維陣列o(n)；二維陣列o(n^2)
2.遞迴的深度
3.兩者結合，取最大值
複雜度分析 時間複雜度分析和空間複雜度分析
其實，只要講到資料結構與演算法，就一定離不開時間 空間複雜度分析。而且我個人認為，複雜度分析是整個演算法學習的精髓，只要掌握了它，資料結構和演算法的內容基本上就掌握了一半。1.時間複雜度分析 對於剛才羅列的複雜度量級，我們可以粗略地分為兩類，多項式量級和非多項式量級。其中，非多項式量級只有兩個 o ...
複雜度分析 時間複雜度 空間複雜度
執行效率是演算法的乙個重要的考量指標，演算法的執行效率用時間 空間複雜度來衡量。今天我們來學習一下複雜度的分析。通常我們可以通過執行程式來獲得演算法的真正的執行時間，這種方法我們可以稱為事後統計法，但這種方法得到的是具體的資料，測試結果很依賴測試環境，而且受資料規模影像最大。因此，我們需要乙個不需要...
簡單總結 複雜度分析
執行次數為線性的，t n def eatbread n for i in n print eat bread i 執行次數為對數，t n logn 每一次都是減去一半 def eatbread n i 1while i n i i 2print eat bread 執行次數為常數，t n 1.def...