复杂的数据分析趋势图选择题

【数据结构与算法】复杂度分析

• 什么是复杂度分析
• 为什么需要复杂度分析
• 如何复杂度分析—大O
• 常见算法复杂度
• 常见复杂度大小关系
• 空间复杂度
• 参考

• 想要学习数据结构与算法，首先要掌握一个数据结构与算法中最重要的概念——复杂度分析。
• 这个概念究竟有多重要呢？可以这么说，它几乎占了数据结构和算法这门课的半壁江山，是数据结构和算法学习的精髓。
• 数据结构和算法解决的是如何更省、更快地存储和处理数据的问题，因此，我们就需要一个考量效率和资源消耗的方法，这就是复杂度分析方法。
• 所以，如果你只掌握了数据结构和算法的特点、用法，但是没有学会复杂度分析，那就相当于只知道操作口诀，而没掌握心法。只有把心法了然于胸，才能做到无招胜有招！

什么是复杂度分析

数据结构和算法本身解决的是“快”和“省”的问题，即如何让代码运行得更快，如何让代码更省存储空间。所以，执行效率是算法一个非常重要的考量指标。那如何来衡量算法的执行效率呢？时间、空间复杂度分析。

为什么需要复杂度分析

使用具体的测试用例来测量算法的复杂度的缺点：

1. 无法确保计算机系统的状态在运行算法时是完全相同的
2. 必须将算法具体的实现出来后才能去具体的测试它，但有的时候我们是想先将我们的思路先做个大致的分析，确保这个思路下的算法是可行的、符合一定要求的之后，才去具体的实现它。

如何复杂度分析—大O

常见算法复杂度

常见复杂度大小关系

空间复杂度

• 空间复杂度是不太用考量的，因为计算机的空间一般是很富裕的
• 因此很多算法都会空间换时间
• 复杂度分析一般都是分析时间复杂度