数据结构—时间复杂度和空间复杂度

初识数据结构与算法

数据结构：通俗来讲，数据结构的本质就是用来存储数据的，只是说存储数据有不同的结构，比如：数组、链表、栈、队列、散列表、二叉树、堆、跳表、图等。
算法：算法的本质就是如何让数据更好地存储在数据结构中，比如：递归、排序、二分查找、搜索、哈希算法、分治算法、回溯算法等。
所以说，数据是基础，算法是灵魂。

如果想编写出能高效运行的程序，就需要考虑算法的效率
算法效率：由时间复杂度、空间复杂度决定

时间复杂度

时间复杂度：用来估计算法运行时间的单位。O()用来体现算法时间复杂度的记法，我们称之为大O表示法。
常见的时间复杂度从小到大依次是：


注意：以常数时间O(1)为例，O表示大概，1表示单位
O(1)

System.out.println("Hello World");

O(logN)

int i = 1;
while(i < n)
{    
	i = i * 2;
}

O(nlogN)

for(m = 1; m < n; m++) 
{    
	i = 1;    
	while(i < n) {        
		i = i * 2;  
	}  
}

O(N)

for (int i=0;i

O(n2)

for(int i=0;i

空间复杂度

空间复杂度：用来估计算法内存占用大小的单位

算法使用了几个变量：O(1)
算法使用了长度为N的一维列表：O(N)
算法使用了M行N列的二维列表：O(MN)

O(1)

int x=0;
int y=0;
x++;
y++;

O(N)
该例中空间复杂度主要取决于数组n的长度

int[] newArray=new int[n];
for(int i=0;i<n;i++){
	newArray[i]=i;
}

如果是二维数组就是O(N2)

空间换时间策略：现在硬件都比较廉价，一般我们为了提高程序的相应速度会采取空间换时间策略。
比如：缓存、JVM调优幸存区采用的复制算法，都是空间换时间