時間複雜度
演算法的時間複雜度一般用大o階表示，那麼如何得出乙個演算法的大o階呢，流程如下：
用常數1取代執行時間中的所有加法常數
在修改後的執行次數函式中，只保留最高端項
如果最高端存在且不是1，則去除與這個項相乘的常數
其結果就是大o階
給乙個**幫助理解
執行次數
函式階非正式術語
12o(1)
常數階2n+3
o(n)
線性階3n^2+2n+1
o(n^2)
平方階5log n+20
o(log n)
對數階2n+3n log n +19
o(nlogn)
nlogn階
6n3+2n2+3n+5
n^3立方階
2^n+20
o(2^n)
指數階後面還有n！和n^n，但是種複雜度的演算法去使用也沒多大實際意義。
所有的演算法時間複雜度都用函式階表示而不關注具體的執行次數，至於為什麼這裡不做過多解釋
這些複雜度在**裡從上到下是依次從小到大的
對演算法的分析，一種方法是計算所有情況的平均值，這種時間複雜度的計算方法稱為平均時間複雜度。另一種方法是計算最壞情況下的時間複雜度，這種方法稱為最壞時間複雜度。一般在沒有特殊情況下，都是指最壞時間複雜度
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...