问:复杂度分析要解决什么问题?
答:分析、统计算法的执行效率和资源的消耗
问:通过代码跑一遍,统计、监控,得到算法执行的时间和占用的内存大小的局限性
答:
1. 测试结果依赖测试环境
2. 受数据规模的影响较大
问:什么是大O复杂度表示法?
答:表示代码执行时间随着数据规模增长的趋势,也称渐进时间复杂度
问:如何分析时间复杂度?
答:
1. 只关注循环执行次数最多的那一段代码
2. 加法法则,总复杂度等于量级最大的那段代码的复杂度
3. 乘法法则,嵌套代码的复杂度等于嵌套内外代码复杂度的乘积
问:几种常见的时间复杂度
答:
1. 常量阶 O(1),一般是没有循环和递归的情况
2. 对数阶 O(logn)
3. 线性阶 O(n)
4. 线性对数阶 O(nlogn)
5. 指数阶 O(2^n)
6. 阶乘阶 O(n!)
7. 平方阶 O(n^2) ...
问:什么是空间复杂度?
答:表示算法的存储空间与数据规模之间的增长关系
常用的时间复杂度
复杂度分析的几个知识点:
1. 最好情况时间复杂度
2. 对坏情况时间复杂度
3. 平均情况时间复杂度
4. 均摊情况时间复杂度