数据结构初阶——复杂度

在正式进入数据结构的学习过程前先来了解一下复杂度的概念。

时间复杂度

（1）
定义：算法的复杂度是一个函数（指数学中），定量描述了算法的运行时间，但是每个算法在不同配置的机器上运行时间又有所差异，所以把算法中基本操作的执行次数定义为时间复杂度。
（2）大O渐进表示法： 大O符号：用于描述函数渐进行为的数学符号 推导大O阶的方法：
1.用常数1取代运行时间中所有的加法常数。
2.函数中只保留最高阶项。
3.若最高阶项存在且不为常数，则保留本身去掉与其相乘的常数。

这里表示O(N^2)，可以看出N代表的是代入函数后结果的量级，而不是具体值

我们可以发现大O渐进表示法去掉了对结果影响不大的项

（3）另外有些算法的时间复杂度存在最好、平均和最坏的情况。
最坏情况：任意输入规模的最大运行次数
平均情况：任意输入规模的期望运行次数
最好情况：任意输入规模的最小运行次数

在实际情况中一般关注算法的最坏情况，这样运行的时候要么达到预期要么有惊喜