标签：时间 nbsp print 数量级 计算 修改 次数 运行时 规模
算法复杂度分为时间复杂度和空间复杂度。
其作用：
时间复杂度是指执行算法所需要的计算工作量；
而空间复杂度是指执行这个算法所需要的内存空间。
（算法的复杂性体现在运行该算法时的计算机所需资源的多少上，计算机资源最重要的是时间和空间（即寄存器）资源，因此复杂度分为时间和空间复杂度）。
简单来说，时间复杂度指的是语句执行次数，空间复杂度指的是算法所占的存储空间
按数量级递增排列，常见的时间复杂度有：
常数阶O(1),对数阶O(log2n),线性阶O(n),
线性对数阶O(nlog2n),平方阶O(n^2)，立方阶O(n^3),…，
k次方阶O(n^k),指数阶O(2^n)。
随着问题规模n的不断增大，上述时间复杂度不断增大，算法的执行效率越低。
1 print(‘Hello world‘) # O(1) 2 3 4 # O(1) 5 print(‘Hello World‘) 6 print(‘Hello Python‘) 7 print(‘Hello KadyCui‘) 8 9 10 for i in range(n): # O(n) 11 print(‘Hello world‘) 12 13 14 for i in range(n): # O(n^2) 15 for j in range(n): 16 print(‘Hello world‘) 17 18 19 for i in range(n): # O(n^2) 20 print(‘Hello World‘) 21 for j in range(n): 22 print(‘Hello World‘) 23 24 25 for i in range(n): # O(n^2) 26 for j in range(i): 27 print(‘Hello World‘) 28 29 30 for i in range(n): 31 for j in range(n): 32 for k in range(n): 33 print(‘Hello World‘) # O(n^3)
1 a = ‘Python‘ # 空间复杂度为1 2 3 4 # 空间复杂度为1 5 a = ‘Python‘ 6 b = ‘PHP‘ 7 c = ‘Java‘ 8 10 num = [1, 2, 3, 4, 5] # 空间复杂度为5 11 12 13 num = [[1, 2, 3, 4], [1, 2, 3, 4], [1, 2, 3, 4], [1, 2, 3, 4], [1, 2, 3, 4]] # 空间复杂度为5*4 14 15 16 num = [[[1, 2], [1, 2]], [[1, 2], [1, 2]] , [[1, 2], [1, 2]]] # 空间复杂度为3*2*2
标签：时间 nbsp print 数量级 计算 修改 次数 运行时 规模
原文地址：https://www.cnblogs.com/kadycui/p/9770467.html
