【数据结构与算法】分析时间复杂度与空间复杂度

首页 > 科技 > 正文 2021-06-04

发表自话题:k曲线怎么看

本文是覃超老师的《算法训练营》的学习笔记,此笔记的内容包含了学习后的个人记录、个人总结、理解和思想。从而更好的学习算法。

前言

学习任何一门知识的时候,我们需要分析清楚这门知识的核心是什么,从而在这个核心中我们可以得到什么。如果我们是盲目的吸收知识,其实很多知识我们都是在目前场景、工作、生活中无法使用的。也是因为学习之后无法运用,所以我们很快就会遗忘,或者是在学习的过程中很容易就会放弃。

在一生的学习的过程中,发现学习我们急需使用或者能给我们及时带来价值的知识,我们会学的更加牢固,更加能坚持学习。

学习《数据结构与算法》这门知识的核心是什么?又能得到什么呢?

弄懂编程的底层逻辑;在编程的过程中,拥有一个哆啦A梦一样百宝工具袋;在遇到性能问题的时候,有算法的思维逻辑和规则来解决问题;提高编程思维;

这篇笔记记录了算法的核心时间和空间复杂度,《数据结构与算法》都是围绕着这个核心开展的。它的存在也是为了解决我们在编程的过程中性能问题,同时也让我们有更高级的思维和思路,写出更优质的程序。

复杂度指标 Big O Notation

O (1): 常数复杂度 - Constant ComplexityO (log n): 对数复杂度 - Logarithmic ComplexityO (n): 线性复杂度 - Linear ComplexityO (n^2): 平方复杂度 - N square ComplexityO (2^n): 指数 - Exponential GrowthO (n!): 阶乘 - Factorial

如何看时间复杂度

分析函数;根据n的不同情况会运行多少次;最后得出一个平均的运行次数的量级;

Complexity 例子

O (1) - 常数复杂度

let n = 1000; console.log("Hello - your input is: " + n)

O (N) - 线性复杂度

for (let i = 1; i for (let j = 1; j console.log("Hello world - your i input is: " + i) } for (let j = 1; j console.log("Hello world - your input is: " + i); }

O(k^n)

// Fibonacci递归 function fib (n) { if (n if (n

标签组:[算法] [复杂度] [空间分析] [数据结构

上一篇sklearn(5)

下一篇同花顺大盘趋势线,股票趋势线怎么画法

相关阅读

相同话题文章

推荐内容

热门阅读