關於時間複雜度和空間複雜度

空間複雜度

大o表示法是演算法的漸進時間複雜度，感覺是從數量級？的角度來描述演算法時間複雜度的增長趨勢？

大o表達其實表示的不是精確的時間消耗，而是關注其屬於的量級。比如o(n+n^2 )=o(n^2), 而過分糾結o(2n),o(3n)和o(2n+3n)是沒有意義的，因為其全可以表達為o(n)。 ------ 看該演算法以怎樣的數量級形式趨於無窮大，而不在意常數項係數的影響。

**中有些時間複雜度，空間複雜度的分析超級嚇人，甚至懷疑自己是不是之前看到的相關解釋是錯的。不得不自問自答自high一下了。

1、 為什麼**中不用o(n), o(n^2)之類的來表示？反而。。。。。。

感覺有兩個原因：第1：這麼寫看起來夠複雜，似乎很厲害的亞子！第2：人家沒法表達成美麗的o(n), o(n^2)好嘛！每一輪for的次數不一樣，不好合併成冪次之類的呀哥！

2、 有什麼一些變數莫名其妙就出現在演算法複雜度裡了。

雖然看起來只有一項吧，貌似算一次的亞子。但是！人家n是可變的呀（t也是），所以在考慮的時候根據考慮的範圍、需求要將對應的變數也考慮進行分析。

3、 順序for到底咋寫哦？要不要省去更小的那一項？

別了吧。**裡的演算法又達不到o(n+n^2 )=o(n^2)那樣的優美度，加號就加號吧，別省去了還是，就老老實實一步步寫出來得了。

再說啊吧

關於時間複雜度和空間複雜度

如何判別乙個演算法的好壞 首先，這個演算法必須是正確的 其次，好的演算法應具有幸福感，便於人們理解和交流，並且是機器可執行的。這個演算法還需要足夠健壯，即當輸入的資料非法或不合理時，也能適當的做出正確的反應或進行相應的處理 最後它還必須擁有高效率和低儲存量要求。也就是時間複雜度和空間複雜度佔的地方越...

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...