本文主要是介绍评估算法的优劣指标-时间复杂度-空间复杂度-常数操作，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
一 、时间复杂度
1 看常数操作
常数操作算O（1）
常见的算术运算（+、-、*、/、% 等）
常见的位运算（>>、>>>、<<、|、&、^等）
赋值、比较、自增、自减操作等
数组寻址操作
常数时间操作
数组-按地址偏移量直接命中 这个就是O（1）
非固定时间操作
链表-需要挨个寻址，这个就不是常数时间操作就是O（N）
2 算法最差情况的复杂度是这个算法的复杂度
两层循环，第二层循环是第一层的 i-1 次 这个是等差数列，最后转换成式子 a * n^2 +b * n 这里时间复杂度只看最高阶项部分n^2 所以时间复杂度是O（N^2）
3 例子
排序算法 算时间复杂度
冒泡 O（N^2） 任何情况不变
循环数组每个数
循环N-1 做交换冒泡
插入排序 O（N^2） 在有序情况下是O（n） 但是时间复杂度O只看最不好的情况
循环数组每个
N-1 这个数向前比较如果小于就交换
选择 排序 O（N^2） 比冒泡号，因为空间换时间，交换最多只有N次
循环数组每个
循环n-1个 找到最大的记录下标志，最后与i做交换然后i++
二 、 额外空间复杂度（流程决定）
例1 一个数组 算总和 需要一个变量 来记录sum值
什么是额外空间？
数组开辟的空间，是原始数据，不算额外空间。
需要计算结果而开辟的空间，而不是原始数据，这样开辟的空间是额外空间。
例2 一个数组 算每个数出现次数 需要一个map来记录
什么是额外空间复杂度
例1的额外空间复杂度是O（1） 因为他不会随着初始数据变化而增长
例2 的额外空间复杂度是O（N）因为他会随着初始数据变化而增长
总结：算法入输出的空间都不是额外空间！
三、 常数项的时间
比较常数操作 多少
例如 插入排序 1234567 是O（n）
例如 冒泡 1234567 是O（n^2）
这里插入比冒泡少了比较和交换的常数项操作
比较常数操作 优劣
排序算法 交换操作 一个是用 + - 进行 一个是用 ^ 进行
常数操作^ 比 + - 快 因为是位运算
如何PK常数项时间？
直接测试
四 、PK算法哪个最优
1 先满足时间复杂度最优
2 再满足空间复杂度最优
3 常数项因素 不算做PK最优（跟算法思想没关系，是细节方面）
五、排名从好到差：
O(1)
O(logN)
O(N)
O(N*logN)
O(N^2) O(N^3) … O(N^K)
O(2^N) O(3^N) … O(K^N)
O(N!)
这篇关于评估算法的优劣指标-时间复杂度-空间复杂度-常数操作的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
