在阅读这篇文章之前，建议大家先对【数据结构】-宏观认识进行阅读，对数据结构有一个宏观的了解。我们使用时间复杂度和空间复杂度对算法进行分析。
时间复杂度
算法包含的计算量。
大O表示法，表示时间复杂度，不考虑具体的运行时间，只给出算法在问题规模n的某个函数。
时间复杂度常见的阶数有常数阶（算法的时间复杂度与输入规模n无关），对数阶，线性阶，多项式阶，指数阶。通常认为，时间复杂度具有指数阶的算法是实际不可计算的，阶数低于平方阶的算法是高效率的。
一个算法对具有相同输入数据量的不同输入数据，时间复杂度可能会不同，使用最坏时间复杂度和平均时间复杂度来度量算法的性能。
最坏时间复杂度：对相同输入数据量的不同输入数据，算法时间用量的最大值。
平均时间复杂度：对所有相同输入数据量的各种不同输入数据，算法时间用量的平均值。
空间复杂度
空间复杂度是一个算法在运行过程中临时占用存储空间大小的度量。
程序代码所占用的空间
输入数据所占用的空间
辅助变量所占用的空间
输入数据所占空间由问题决定，不随算法的不同而改变。
辅助变量所占空间由算法决定，有的占用随问题规模n增大而增大的临时空间，有的不随问题的规模改变。
在估算算法空间复杂度时，只需要分析辅助变量所占用的空间。
总结
掌握时间复杂度和空间复杂度的分析重点。时间复杂度分析算法的计算量，而空间复杂度分析算法运行时占用的存储空间，主要是对辅助变量的分析。从这两个不同的角度对算法进行分析，设计高效率算法。
原文地址：https://www.jb51.cc/datastructure/382402.html
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
