算法复杂度分析

执行代码，通过统计，监控等工具，计算算法的执行时间，占用的内存大小等。这种方法叫做事后统计法。

     缺点：a 测试结果非常依赖测试环境      b 测试结果受数据规模的影响很大

 

 

时间复杂度分析方法

     1.只关注循环次数最多的一段代码

     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

 

几种常见时间复杂度：

     1.O(1)     只要复杂度不随着n的增长而增长，都视为O(1)

          一般情况下，只要不存在循环语句，递归语句，即使有成千上万行代码也是O(1)

 

     2.O(logn)  O(nlogn) 

          Log2n * log32 = log3n     

          Log2n = x ——> 2的x次方 = n

          O(nlogn)复杂度：将一段时间复杂度为O(logn)执行n次     常见算法：归并排序，快速排序

 

     3.O(m+n)  O(m*n)

 

常见空间复杂度：

    O(1)  O(n)   O(n*n)  不会出现指数形式的空间复杂度，主要看申请的空间数量

复杂度大小排序：

O(1)  <  O(logn)  <  O(n)  <  O(nlogn)  <  O(n*n)

 

最好，最坏情况时间复杂度

分别指的是最理想的情况下时间复杂度，以及最糟糕情况下的时间复杂度

 

平均时间复杂度分析：

多数情况下，我们不考虑最好，最坏时间复杂度，只有当存在一定的量级差异时才去计算

 

均摊时间复杂度