本文深入探讨了程序设计的两大基石——数据结构与算法，解析了时间复杂度和空间复杂度的概念，以及它们在算法优化中的作用。通过对比不同时间复杂度的优劣，帮助读者理解如何选择最优算法。
数据结构
程序设计 = 数据结构 + 算法
时间复杂度
O(n)也可称为大O阶
T(n) = O(f(n));
f(n)是问题规模n的某个函数；
一般情况下，随着输入规模n的增大，T(n)增长最慢的为最优算法。
求解方法：
- 用常数取代运行时间中的所有加法常数；
- 在修改后的运行次数中，只保留最高阶项；
- 如果最高阶项存在且不是一，则除去与他相乘的常数；
- 得到的即为大O阶。
时间复杂度的大小比较：
O(1) < O(logn) < O(n) < O(nlogn) < O(n^2) < O(n^3) < O(2^n) < O(n!) < O(n^n)
空间复杂度
S(n) = O(f(n))
n为问题的规模，f(n)为语句关于n所占空间的函数。
通常，我们都是用“时间复杂度”来指运行时间的需求，用“空间复杂度”来指空间需求。(感觉看字面就能理解，不知道为什么总爱考概念)
扫一扫
1261