详解时间、空间复杂度（内含彩蛋~~）

一、时间复杂度：执行算法所需要的计算工作量
- （一）时间复杂度的理解
  - 2.（渐进）时间复杂度定义
- （二）时间复杂度的计算
二、空间复杂度：执行这个算法所需要的内存空间

学习算法我们首先需要清楚的概念就是时间复杂度和空间复杂度

接下来我们就详细讲解一下时间复杂度和空间复杂度，为大家后面的学习打好基础！

算法入门书籍挑选点这里~ 帮你快速找到适合自己的算法书籍（详细，内含彩蛋哦~）

一、时间复杂度：执行算法所需要的计算工作量

（一）时间复杂度的理解

1.时间频度定义

我们需先明白：

一个 算法花费的时间 是与 算法中语句的执行次数 成正比的

（也就是说一个算法中语句执行次数越多，花费的时间也就越多）

时间频度：T(n)：一个算法中的语句执行次数，记为T(n)

2.（渐进）时间复杂度定义

T(n)：算法中基本操作重复执行的次数是问题规模n的某个函数。

f(n)：某个辅助函数

算法的（渐进）时间复杂度O(f(n))：

若有某个辅助函数f(n),使得当n趋近于无穷大时，T(n)/f (n)的极限值为不等于零的常数，则称f(n)是T(n)的同数量级函数。

记作T(n)=O(f(n)),称O(f(n)) 为算法的渐进时间复杂度，简称时间复杂度。

O(f(n)) 表示方法称为大O表示法

注意： T(n)不同，但时间复杂度可能相同。

（二）时间复杂度的计算

计算攻略：

用常数1代替运行时间中的所有 加法常数 。

(1) T(n)=n 2 +7n+6 ⇒ T(n)=n 2 +7n+1

修改后的运行次数函数中，只保留最高阶项。

(2)T(n)=n 2 +7n+1 ⇒ T(n)=n 2

去除最高项系数

(3)T(n)=n 2 ⇒ O(n 2 )

注意：

（1）循环的时间复杂度 = 循环体的复杂度 × 该循环运行次数

（2）单纯的分支结构（不包括在循环结构中）其时间复杂度为O(1)

常见的算法时间复杂度由小到大排序：

常见的算法时间复杂度由小到大依次为： O(1):常数阶 O(log a n)【O(log 2 n)】：对数阶 O(n):线性阶 O(nlog a n)【O(nlog 2 n)】：线性对数阶 O(n 2 ):平方阶 O(n 3 ):立方阶 O(n k ):k次方阶 O(2 n ):指数阶随着问题规模n的不断增大，上述时间复杂度越来越大大，算法的执行效率也越来越低

大O表示法推导实例：

1.常数阶 ⇒ O(1)

int n =100;//执行1次
int sum =n*2;//执行1次
System.out println(sum);//执行1次

你可能会问代码一共执行了3次鸭，为什么时间复杂度不是O(3)呢？

这是因为用到了 第一条攻略 ：用常数1代替运行时间中的所有 加法常数 。

本题中:T(n)=3根据第一条攻略：

(1) T(n)=3 ⇒ T(n)=1 (2) T(n)=1 ⇒ O(1)

aQj6Nnj.png!web

2.线性阶 ⇒ O(n)

int i= 0,sum=0;
for(i=0;i<n;i++){//for循环执行n次
sum=2*i;//执行一次for循环此语句执行一次
System.out.println(sum);//执行一次for循环此语句执行一次
}

所以：T(n)=2n

第三条攻略：去除最高项系数

本例中根据 第三条攻略可得 ：

(1) T(n)=2n ⇒ T(n)=n (2) T(n)=n ⇒ O(n)

Jfum6rV.png!web

3.平方阶 ⇒ O(n 2 )

例1：

int i,j=0;
for(i=0;i<n;i++){//执行n次
	for(j=0;j<n;j++){//执行n次
		System.out.println(i + " " + j );
	}
}

所以：T(n)=n 2

T(n)=n 2 ⇒ O(n 2 )

7B3uiq3.png!web

例2：

int i,j=0;
for(i=0;i<n;i++){//执行n次
	for(j=i;j<n;j++){//注意j=i
		System.out.println(i + " " + j );
	}
}

当i=0，第二个for循环执行n次

当i=1，第二个for循环执行n-1次

当i=2，第二个for循环执行n-2次

当i=n-1，第二个for循环执行1次

执行总数T(n)=n+(n-1)+(n-2)+……1= myMFfqf.png!web + MVv2QfY.png!web = (n 2 +n)

根据第二条攻略、第三条攻略可得：

第二条攻略：修改后的运行次数函数中，只保留最高阶项。

第三条攻略：去除最高项系数 T(n)= (n 2 +n) ⇒ T(n)= n 2 T(n)= n 2 ⇒ O(n 2 )

z6rUVri.png!web

二、空间复杂度：执行这个算法所需要的内存空间

空间复杂度：

对一个算法在运行过程中临时占用存储空间大小的量度，记做S(n)=O(f(n))。

n为问题的规模，f(n)为算法所占存储空间的函数。

空间复杂度分类：

O(1)情况：

当算法的存储空间大小固定，与输入规模没有直接的关系时，空间复杂度记作O(1)。

O(n)情况：

当算法分配的空间和输入规模n成正比时，空间复杂度记作O(n)。

三、彩蛋

我将入门算法书中时间复杂度、空间复杂度讲解部分为大家截出来了，有需要的宝宝可以自取。

链接： https://pan.baidu.com/s/1mrMeuLv11Bf09zrE-DhFLA

提取码：yw8d

欢迎大家来公号“小乔的编程内容分享站”来找小乔玩~

一起学习Java基础+算法~

还有更多资源等你来拿哦~

一、时间复杂度：执行算法所需要的计算工作量

（一）时间复杂度的理解

1.时间频度定义

2.（渐进）时间复杂度定义

算法的（渐进）时间复杂度O(f(n))：

（二）时间复杂度的计算

计算攻略：

注意：

常见的算法时间复杂度由小到大排序：

大O表示法推导实例：

1.常数阶 ⇒ O(1)

2.线性阶 ⇒ O(n)

3.平方阶 ⇒ O(n 2 )

例1：

例2：

根据第二条攻略、第三条攻略可得：

二、空间复杂度：执行这个算法所需要的内存空间

空间复杂度：

空间复杂度分类：

O(1)情况：

O(n)情况：

三、彩蛋

Recommend

时间空间复杂度学习总结

从js讲解时间复杂度和空间复杂度

【数据结构与算法】分析时间复杂度与空间复杂度

各种排序算法时间复杂度和空间复杂度表

冰与火之歌：「时间」与「空间」复杂度

我们常说的算法时间复杂度和空间复杂度到底是什么？

Java——时间复杂度、空间复杂度详解

一文讲透算法中的时间复杂度和空间复杂度计算方式

那些年忽略的知识：时间复杂度和空间复杂度详解

[转载]循序渐进带你学习时间复杂度和空间复杂度

About Joyk

详解时间、空间复杂度（内含彩蛋~~）

一、时间复杂度：执行算法所需要的计算工作量

（一）时间复杂度的理解

1.时间频度定义

2.（渐进）时间复杂度定义

算法的（渐进）时间复杂度O(f(n))：

（二）时间复杂度的计算

计算攻略：

注意：

常见的算法时间复杂度由小到大排序：

大O表示法推导实例：

1.常数阶 ⇒ O(1)

2.线性阶 ⇒ O(n)

3.平方阶 ⇒ O(n 2 )

例1：

例2：

根据第二条攻略、第三条攻略可得：

二、 空间复杂度：执行这个算法所需要的内存空间

空间复杂度：

空间复杂度分类：

O(1)情况：

O(n)情况：

三、彩蛋

Recommend

About Joyk

二、空间复杂度：执行这个算法所需要的内存空间