时间复杂度与空间复杂度
常见的时间复杂度如下
O(1) 常数复杂度
O(log n) 对数复杂度
O(n) 线性时间复杂度
O(n^2) 平方
O(n^3) 立方
O(2^n) 指数
O(n!) 阶乘
如何去看一个算法的时间复杂度?主要就是看对于n一共执行了多少次。下面举一些最普通的例子
int n = 1000;
System.out.println("n:"+n);
对于上述代码,不管n的值是多少,代码只运行了一次。所以它的时间复杂度就是O(1)
int n = 1000;
System.out.println("one:"+n);
System.out.println("two:"+n);
System.out.println("three:"+n);
对于上述代码,对n的使用有三次,但是整体上也是属于常数级别的,因为次数有限,很少,所以可以直接归为O(1)
int n = 1000;
for (int i = 0; i < n; i++) {
System.out.println("i:"+i);
}
对于上述代码,循环执行的次数和n的大小是直接相关的,当n很小的时候,次数也少,n很大的时候,次数就多。所以循环的次数和n是线性相关的,所以它的时间复杂度就是O(n)
int n = 1000;
for (int i = 0; i < n; i++) {
for (int j = 0; j < n; j++) {
System.out.println("i:"+i+" j:"+j);
}
}
对于上述代码,存在循环嵌套,对于外层的每一次循环,都会执行内层的所有循环,所以整体的循环次数是两层的乘积。而两层的循环次数都和n相关,所以它的时间复杂度是O(n^2)
int n = 1000;
for (int i = 1; i <= n; i = i * 2) {
System.out.println("i:" + i);
}
对于上述代码,整体的循环次数和n相关,但是循环的步长,每次都是上一次的2倍,意味着循环次数是一个倍数关系,那么从除法的角度来看,就是对数关系,所以它的时间复杂度就是O(log n)
时间复杂度曲线如下