小木的算法日记-1

本人是一枚大学生，专业是大数据管理与应用，未来想成为一名NLP算法工程师或者数据挖掘师，在网上了解情况后遂学习算法，经历了大大小小的坑后在Github上找到了我的“救命恩人”-labuladong大佬，想学习算法的可以参考一下这位大佬的算法日记。https://labuladong.online/algo/intro/complexity-basic/

我打算写一下我的算法日记来记录自己的学习生活以及自己的一些经验，希望能够给大家一些帮助，利他就是最好的利己。

算法复杂度核心解析

一、核心知识点预览

1. O（N）的作用
2. 常见复杂度关系：O(1) < O(\log n) < O(n) < O(n \log n) < O(n^2) < O(2^n) < O(n!)
3. 分析最坏情况下的复杂度
4. 时间与空间复杂度的估算

二、算法复杂度详解

1. 作用

O(N) 是衡量算法效率的一种方式，比如时间复杂度(需要花费多少时间)以及空间复杂度（n的数量）
O(N)让你知道你的算法是否需要优化，让你有了优化算法的意识。
“这个数据结构选对了吗？查一次要 O (n)，能不能用 O (1) 的结构？”（比如用字典代替列表）。

2. 复杂度

O(1) < O(log n) < O(n) < O(n log n) < O(n²) < O(n³) < O(2ⁿ) < O(n!)
ep:
O(5n2+2n+9)等同于O(n2)--因为n增长到一定程度后，一次系数就没什么影响了
O(9999n+9999)等同于O(n)

3. 复杂度估算

时间复杂度就是看有几个for镶套循环（大多数情况）
空间复杂度就看元素或变量占的空间

4. 估算方法（简化版）

python复制插入

# 时间复杂度示例：O(n^2)  
for i in range(n):        # 外层循环层数决定复杂度  
    for j in range(n):    # 嵌套循环 -> O(n^2)  
        process(i, j)  

# 空间复杂度示例：O(n)  
arr = [0] * n             # 申请长度为n的数组  

复制插入

---