介紹：
一般都用「時間」和「空間」兩個維度來考量演算法的優劣。
一、 時間複雜度
「大o表示法」是乙個通用的表示方法，大o表示法並不是真實代表演算法的執行時間的，它是用來表示**執行時間的增長變化趨勢的。
常見的時間複雜度量級有：
從上到下依次的時間複雜度越來越大，執行的效率越來越低。
1.常數階o(1)
無論**執行多少行，只要沒有迴圈等結構，那這個**的時間複雜度都是o(1)，例：
i =
1j =
2i +=
1j +=2.
..
例：
def
func
(n):
for i in
range(0
,n):
i +=
1
3.對數階o(logn)
例：
i =
1while i < n:
i = i *
2
也就是說當迴圈 log2n 次以後，這個**就結束了。因此這個**的時間複雜度為o(logn)
4. 線性對數階o(nlogn)
o(nlogn) 其實很好理解，將時間複雜度為o(logn)的**執行n遍，那麼它的時間複雜度就是n*o(logn)，也就是o(nlogn)
for i in
range(0
,n):
while i < n:
i = i *
2
把o(n)的**再巢狀迴圈一遍，它的時間複雜度就是o(n2)，例：
for i in
range
(n):
for j in
range
(n):
i = i +
1
參考o(n2) , 立方階就是迴圈3次，k次方階就是迴圈k次。
二、空間複雜度
空間複雜度也不是用來計算程式實際占用的空間的，空間複雜度是對乙個演算法在執行過程中臨時占用儲存空間大小的乙個量度，同樣反映的是乙個趨勢。
空間複雜度比較常用的有： o(1)、o(n)、o(n2)
1. 空間複雜度o(1)
如果演算法執行所需要的臨時空間不隨著某個變數n的大小而變化，即此演算法空間複雜度為乙個常數，可表示為o(1)，例：
i =
1j =
2i = i +
1j = j +
1
空間複雜度o(n)
l =
for i in
range(0
,n):
備註：剛開始學，比較初級，當作自己筆記，嚶~
時間複雜度 空間複雜度
時間複雜度 在電腦科學中，演算法的時間複雜度是乙個函式，它定性描述了該演算法的執行時間。這是乙個關於代表演算法輸入值的字串 的長度的函式。時間複雜度常用大o符號 表述，不包括這個函式的低階項和首項係數。計算時間複雜度的方法 1 只保留高階項，低階項直接丟棄 2 係數不要 3 執行次數是常數是為o 1...
時間複雜度 空間複雜度
演算法複雜度分為時間複雜度和空間複雜度。其作用 時間複雜度是指執行演算法所需要的計算工作量 而空間複雜度是指執行這個演算法所需要的記憶體空間。一 時間複雜度 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...
時間複雜度 空間複雜度
一 時間複雜度 實際是指程式執行次數，而不是程式執行時間 1.我們一般討論的是最壞時間複雜度，這樣做的原因是 最壞情況下的時間複雜度是演算法在任何輸入例項上執行時間的上限，以最壞代表最全。2.時間複雜度的書寫規則 忽略常數項，用o 1 表示 選取最壞時間複雜度即選取增長最快的項 遞迴的時間複雜度 遞...