- 综合排序
- 最热优先
- 最新优先
- 来自专栏IT知识进阶学习
So easy 10分钟搞懂时间复杂度和空间复杂度！
原因就在于算法的复杂度，**算法2的复杂度为O(n²)，虽然使用了提升了100倍运算速率的CPU去执行它，但是相对于运行让它运行复杂度的O(n)的算法，它提升的速率实际上仅为10倍。 5.1、时间复杂度 **在数据结构中，使用时间复杂度来衡量程序运行时间的多少**。 经过前辈们的经验，这个也是有相应的推导公式的，**在推导的时候我们应该采用无限大的思想来简化大O表达式**，具体如下： 用常数1代替运行时间中的所有加法的常数，如：某个算法的执行函数为f(n) = 10 ，则替换成大O阶方法的话则为：O(1)，无论这个常数为10，还是100，还是1000都使用1替换，因为执行函数和问题规模n的大小无关，它是执行时间恒定的，像时间复杂度为O(1)的又被称作常数阶。 一种是计算所有情况的平均值，这种时间复杂度的计算方法称为平均时间复杂度。另一种情况则为计算最坏情况下的时间复杂度，这种也称为最坏时间复杂度，**一般没有特殊说明的情况下，指的都是最坏时间复杂度。
47620编辑于 2022-09-13 - 来自专栏C++/Linux
【时间复杂度空间复杂度】
count; } } for (int k = 0; k < 2 * N ; ++ k) { ++count; } int M = 10 while (M--) { ++count; } printf("%d\n",count); } Func1执行的基本操作次数：F(N) = N² + 2*N +10 N = 10 ,F(N) = 30 N = 100 ,F(N) = 10210 N = 1000 ,F(N) = 1002010 实际中我们计算时间复杂度时，我们其实并不一定要计算精确的执行次数 使用大O渐进法表示以后，Func1的时间复杂度为：O(N²) N = 10 ,F(N) = 100 N = 100 ,F(N) = 10000 N = 1000,F(N) = 1000000 通过上面我们会发现大 ; while (M--) { ++count; } printf("%d\n", count); } 实例1基本操作执行了2N+10次，通过推导大
2K00编辑于 2023-03-28 - 来自专栏萌新的日常
时间复杂度与空间复杂度
一、时间复杂度 1.概念 即时间复杂度计算的是执行次数 2.大O的渐进表示法 1.用常数1取代时间中的所有加法常数 2.在修改后的运行次数函数中，只保留最高项 3.如果最高项存在而且不是1，则去除与这个项目相乘的常数 Fun2(int N)//计算Fun2的操作次数 { int count=0; for(int k=0;k<2*N;k++) { count++; } int M=10 ; while(M--) { count++; } printf("%d\n",count); } 操作次数为O(2*N)+10，但只保留O(N) 如果N为一个很大的数 N:factorial(N-1)*N; } 假设为3时得递归展开图 可以看出当N为3时 ，一共递归了3次，每次递归函数调用一次 即时间复杂度为O(N) 二、空间复杂度 1.概念 即创建变量的个数 2.用法 void bubblesort(int *a,int n)//冒泡排序 的bubblesort的空间复杂度 { assert(a); for(size_t end=n;end>0;end
54221编辑于 2022-11-10 - 来自专栏牛人NR
时间复杂度与空间复杂度
它表示随着问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐近时间复杂度，简称时间复杂度，其中f(n)是问题规模n的某个函数。 函数调用的时间复杂度分析 之前，我们分析的都是单个函数内，算法代码的时间复杂度，接下来我们分析函数调用过程中时间复杂度。 public int search(int num) { int[] arr = {11, 10, 8, 9, 7, 22, 23, 0}; for (int i = 0; i < arr.length 我么可以用算法的空间复杂度来描述算法对内存的占用。 由于现在的计算机设备内存一般都比较大，基本上个人计算机都是4G起步，大的可以达到32G，所以内存占用一般情况下并不是我们算法的瓶颈，普通情况下直接说复杂度，默认为算法的时间复杂度。
88220发布于 2020-09-01 - 来自专栏LittlePanger的代码之路
时间复杂度与空间复杂度
时间维度：是指执行当前算法所消耗的时间，我们通常用「时间复杂度」来描述。 空间维度：是指执行当前算法需要占用多少内存空间，我们通常用「空间复杂度」来描述。 因此，评价一个算法的效率主要是看它的时间复杂度和空间复杂度情况。然而，有的时候时间和空间却又是「鱼和熊掌」，不可兼得的，那么我们就需要从中去取一个平衡点。 记作 T(n)= Ｏ( f(n) )，称Ｏ( f(n) ) 为算法的渐进时间复杂度，简称时间复杂度。 T(n) 不同，但时间复杂度可能相同。 阶乘阶 旅行商问题 说明：常见的时间复杂度有小到大依次排序，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. 立方阶 O(n^3) 3次n循环 7. k 次方阶 O(n^k) k次n循环 3 空间复杂度 类似于时间复杂度的讨论，一个算法的空间复杂度(Space Complexity)定义为该算法所耗费的存储空间
1.1K30发布于 2020-04-14 - 来自专栏SRE运维实践
漫谈时间复杂度空间复杂度
O（N**N）；第二种是空间复杂度为O（1）。 空间复杂度，就是运行一次的过程中，占用的存储空间的大小度量，例如在进行一个list操作的时候，那么空间复杂度为O（1），当在进行修改删除操作的时候，可能需要新建一个新的存储空间来存储新的队列，从而空间复杂度为 空间复杂度和时间复杂度，可以作为选择数据类型的评判标准之一。 对于一种数据结构来说，有各种各样的时间复杂度，对于python的list实现，当你查询一个元素的时候，时间复杂度是O（1），常量时间；但是当你进行加入元素，删除元素的时候，时间复杂度是O（N），对于特例在尾部增加和删除的操作来说 ，时间复杂度又是O（1）。
90830发布于 2019-07-08 - 来自专栏程序猿杂货铺
时间复杂度和空间复杂度
算法的时间复杂度，也就是算法的时间量度，基座T（n）=O(f(n))。它表示随问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐进算法时间复杂度，简称为时间复杂度。 另外，我们试想一下，如果这个算法当中的语句 sum = (1+n)*n/2; 有10 句，则与示例给出的代码就是3次和12次的差异。 所以我们可以总结得出，循环的时间复杂度等于循环体的复杂度乘以该循环运行的次数。 那么下面这个循环嵌套，它的时间复杂度是多少呢? 比如直接插入排序的时间复杂度是O(n^2),空间复杂度是O(1) 。而一般的递归算法就要有O(n)的空间复杂度了，因为每次递归都要存储返回信息。 当不用限定词地使用"复杂度'时，通常都是指时间复杂度。
1.4K60发布于 2019-09-04 时间复杂度和空间复杂度
要比较n2次才行，复杂度O(n2) 总结：稳定的排序方法，时间复杂度O(n^2)，空间复杂度O(1)，当待排序列有序时，效果比较好。 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。 2、空间复杂度 与时间复杂度类似，空间复杂度是指算法在计算机内执行时所需存储空间的度量。 讨论方法与时间复杂度类似，不再赘述。 （3）渐进时间复杂度评价算法时间性能 主要用算法时间复杂度的数量级(即算法的渐近时间复杂度)评价一个算法的时间性能。 （5） 如当一个算法的空间复杂度为一个常量，即不随被处理数据量n的大小而改变时，可表示为O(1)；当 一个算法的空间复杂度与以2为底的n的对数成正比时，可表示为0(10g2n)；当一个算法的空I司复杂度与 (6) 下面如图是常见的算法的时间复杂度和空间复杂度:
26910编辑于 2025-08-29- 来自专栏韩曙亮的移动开发专栏
【算法】复杂度理论 ( 时间复杂度 )
文章目录 一、复杂度理论 二、时间复杂度 1、P 与 NP 问题 2、O 表示的复杂度情况 3、时间复杂度取值规则 4、时间复杂度对比 一、复杂度理论 ---- 时间复杂度 : 描述一个算法执行的大概效率 使用 蛮力算法 , 编程复杂度很低 , 很容易看懂 , 但是其时间复杂度是 O(m \times n) ; 如果使用 Rabin-Karp 算法 , 时间复杂度是 O(m + n) , 但是编程复杂度很高 , 也是很难理解的 ; 一般 蛮力算法 时间复杂度 很高 , 但是 编程复杂度 和 思维复杂度 很低 , 代码容易理解 ; 如果对 时间复杂度 要求很高 , 如必须达到 O(n) 或 O(n^ 等 ; 2、O 表示的复杂度情况 O 表示算法在 最坏的情况下的时间复杂度 ; 一般情况下 , 算法的时间复杂度都以最坏情况的时间复杂度为准 ; 但是也有特例 , 快速排序的最坏情况下 , 时间复杂度是 O(n^2) , 这个时间复杂度几乎不会遇到 , 一般情况下描述快速排序的时间复杂度时 , 使用 平均时间复杂度 O(n \log n) ; 3、时间复杂度取值规则 只考虑最高次项 : 时间复杂度描述中
1.8K20编辑于 2023-03-29 - 来自专栏程序架道
软件只有两种复杂度：本质复杂度&偶然复杂度
图自网络 我们知道软件设计的本质是持续对抗软件本身产生的复杂度。 题目中的两种复杂度名称，最早来源自哪里呢？ 在《人月神话》这本书中，作者将软件复杂度分为本质复杂度（Essential Complexity）和偶然复杂度（Accidental Complexity）。 这两种复杂度应该怎么理解呢？ 技术而引入的复杂度，为偶然复杂度。 我们继续分别对本质复杂度和偶然复杂度列举两个更详细的案例。 本质复杂度案例：大型电商平台的实时交易系统 图自网络仅示例 考虑一个大型的电商平台，如淘宝或京东，在高峰时段每秒处理数千甚至数万笔交易。 与本质复杂度相比，偶然复杂度更多地是由于技术选择、系统设计和实现过程中的决策所引起的。通过合理的架构设计、模块化和抽象化等方法，可以降低这种偶然复杂度，提高系统的可维护性和可扩展性。
1.6K10编辑于 2023-12-10 - 来自专栏c语言
了解时间复杂度和空间复杂度
在学习数据结构前，我们需要了解时间复杂度和空间复杂度的概念，这能够帮助我们了解数据结构。 算法效率分为时间效率和空间效率 时间复杂度 一个算法的复杂度与其执行的次数成正比。 举例： 冒泡排序的时间复杂度 从这个例子我们知道了，不是一层循环时间复杂度就是N，两层就是N^2要看具体算法实现。 二分法时间复杂度分析： 阶乘递归的时间复杂度 空间复杂度 对临时储存空间占用大小的量度。计算的是变量的个数。 首先来看冒泡排序的时间复杂度 循环走了N次，重复利用的是一个空间。 斐波那契数列的空间复杂度： 阶乘的时间复杂度： 算法题 消失的数字 面试题 17.04. 这种方法的时间复杂度是N*lgN 思路2： 把0到N加起来，再减去各个数字，得到的数字就是消失的数字。这里的时间复杂度是O（N）。如果先累加，时间复杂度是0(N),依次遍历一遍为O(N)。
23810编辑于 2024-05-04 - 来自专栏全栈程序员必看
时间复杂度和空间复杂度详解
大家好，又见面了，我是全栈君 算法的时间复杂度和空间复杂度合称为算法的复杂度。 1.时间复杂度 （1）时间频度 一个算法执行所耗费的时间，从理论上是不能算出来的，必须上机运行测试才能知道。 记作T(n)=Ｏ(f(n)),称Ｏ(f(n)) 为算法的渐进时间复杂度，简称时间复杂度。 时间频度不同，但时间复杂度可能相同。 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。 （3）最坏时间复杂度和平均时间复杂度 最坏情况下的时间复杂度称最坏时间复杂度。 x=91; y=100; while(y>0) if(x>100) {x=x-10;y–;} else x++; 解答： T(n)=O(1)， 这个程序看起来有点吓人，总共循环运行了1000 在算法分析时，往往对算法的时间复杂度和渐近时间复杂度不予区分，而经常是将渐近时间复杂度T(n)=O(f(n))简称为时间复杂度，其中的f(n)一般是算法中频度最大的语句频度。
1.7K10编辑于 2022-07-15 - 来自专栏基础知识文章
时间复杂度与空间复杂度总结
时间复杂度： 时间复杂度的计算并不是计算程序具体运行的时间，而是算法执行语句的次数。 当我们面前有多个算法时，我们可以通过计算时间复杂度，判断出哪一个算法在具体执行时花费时间最多和最少。 1 int x=1; 2 while (x <10) 3 { 4 x++; 5 } 该算法执行次数是10，是一个常数，用时间复杂度表示是O(1)。 空间复杂度 空间复杂度是对一个算法在运行过程中临时占用存储空间大小的量度。 ,) 2 { 3 int k=10; 4 if（n==k) 5 return n; 6 else 7 return fun(++n); 8 } 递归实现，调用fun函数，每次都创建1个变量k。 调用n次，空间复杂度O（n*1）=O（n)。 时间复杂度与空间复杂度总结： ?
89520发布于 2020-08-27 - 来自专栏C / C++
【数据结构】详解算法复杂度：时间复杂度和空间复杂度
= 0; j < N; ++j) { ++count; } } for (int k = 0; k < 2 * N; ++k) { ++count; } int M = 10 通过这几组对比我们发现，随着N的增大，(2N + 10)对结果的影响越来越小，已经可以忽略不计，对结果影响最大的一项是N^2，故取N^2。 ) { ++count; } int M = 10; while (M--) { ++count; } printf("%d\n", count); } for循环执行2N次， while循环执行10次，这里最高阶是N^1，根据大O阶规则(2)，系数2随着N的增长对结果影响会越来越小，因此时间复杂度的结果就是O(N)。 我们来看看—— k和numsSize的范围都是到10^5，嵌套循环 k * numsSize即n*n，所以时间复杂度是O(n*2)，空间复杂度是O(1)，只有一个变量。
39510编辑于 2025-11-12 - 来自专栏Yui编程知识
解析时间复杂度和空间复杂度
for(int j = 0;j<n;++j) { ++count; } } for(int k = 0;k<2*n;++k) { ++count; } int m = 10 ; while(m--) { ++count; } } 通过计算可以得知 ++count被执行的次数有：n^2+2*n+10 设f(n)为++count被执行次数的函数 f(n) = n ^2+2*n+10. n = 10 f(n) = 130 n = 100 f(n) = 10210 n = 1000 f(n) = 1002010 时间上我们在计算时间复杂度时，不需要计算这么精确的数值 使用大O的渐近表示法，Func1的时间复杂度为O(N^2) n = 10 f(n) = 100 n = 100 f(n) = 10000 n = 1000 f(n) = 1000000 通过上面我们会发现大 (M--) { ++count; } } f(n) = 2*n+10 时间复杂度O(N).时间复杂度会忽略系数和加减的常数项。
35110编辑于 2024-10-16 - 来自专栏C/C＋＋、数据结构、算法
DS：时间复杂度和空间复杂度
int j = 0; j < N ; ++ j) { ++count; } } for (int k = 0; k < 2 * N ; ++ k) { ++count; } int M = 10 ; while (M--) { ++count; } printf("%d\n", count); } Func1时间复杂度：F(N)=N^2+2*N+10 N = 10时，F(N) = 130 N = 100时，F(N) = 10210 N = 1000时，F(N) = 1002010 当N取越大时，2*N以及10对F（N）的影响越来越小，而影响最大的是N^2,所以引入了大O的渐进表示法，即计算一个大概的次数就行 使用大O的渐进表示法以后 Func1的时间复杂度为：O（N） N = 10时，F(N) = 100 N = 100时，F(N) = 10000 N = 1000时，F(N) = 1000000 大O 四、常见的复杂度对比 五、时间复杂度和空间复杂度例题 特点：时间一去不复返，但是空间可以重复利用！！ // 计算Func3的时间复杂度？
52510编辑于 2024-02-17 - 来自专栏前端Up Up！
算法的时间复杂度与空间复杂度
一、说明 时间复杂度和空间复杂度是用来评价算法效率高低的2个标准，身为开发者肯定会经常会听到这2个概念，但它们分别是什么意思呢? 二、时间复杂度的计算 表示方法 我们一般用“大O符号表示法”来表示时间复杂度：T(n) = O(f(n)) n是影响复杂度变化的因子，f(n)是复杂度具体的算法。 三、空间复杂度计算 空间复杂度 O(1) 如果算法执行所需要的临时空间不随着某个变量n的大小而变化，即此算法空间复杂度为一个常量，可表示为 O(1)。 四、总结 评价一个算法的效率主要是看它的时间复杂度和空间复杂度情况。 可能有的开发者接触时间复杂度和空间复杂度的优化不太多（尤其是客户端），但在服务端的应用是比较广泛的，在巨大并发量的情况下，小部分时间复杂度或空间复杂度上的优化都能带来巨大的性能提升，是非常有必要了解的。
2.2K10发布于 2021-02-28 - 来自专栏python3
算法分类 ,时间复杂度 ,空间复杂度,优
前言: 算法的复杂度分为时间复杂度与空间复杂度,时间复杂度指执行算法需要需要的计算工作量,空间复杂度值执行算法需要的内存量,可能在运行一些小数据的时候,大家体会不到算法的时间与空间带来的体验. alist[i], alist[min_index] = alist[min_index],alist[i] if __name__ == '__main__': alist = [8,10,15,30,25,90,66,2,999 时间复杂度,空间复杂度 接下来就要来说说时间复杂度与空间复杂度: 时间复杂度就是假如你 泡茶,从开始泡,到你喝完茶,一共用了多长时间,你中间要执行很多步骤,取茶叶,烧水,上厕所,接电话,这些都是要花时间的 空间复杂度(space complexity) ,执行时所需要占的储存空间,记做 s(n)=O(f(n)),其中n是为算法的大小, 空间复杂度 绝对是效率的杀手,曾经看过一遍用插入算法的代码,来解释空间复杂度的 , 觉得特别厉害,我就比较low了,只能给大家简单的总结一下我遇到的空间复杂度了, 一般来说,算法的空间复杂度值得是辅助空间,比如:一组数字,时间复杂度O(n),二维数组a[n][m] :那么他的空间复杂度就是
89730发布于 2020-01-19 - 来自专栏学习笔记
——算法的时间复杂度和空间复杂度
for (int j = 0; j < N ; ++ j) { ++count; } } for (int k = 0; k < 2 * N ; ++ k) { ++count; } int M = 10 ; while (M--) { ++count; } printf("%d\n", count); } Func1 执行的基本操作次数 ： N = 10 F(N) 使用大O的渐进表示法以后，Func1的时间复杂度为： N = 10 F(N) = 100 N = 100 F(N) = 10000 N = 1000 F(N) = 1000000 通过上面我们会发现大 void Func2(int N) { int count = 0; for (int k = 0; k < 2 * N ; ++ k) { ++count; } int M = 10; while ( M--) { ++count; } printf("%d\n", count); } F(N)=2*N+10 所以时间复杂度为O(N); 实例2 // 计算Func3的时间复杂度？
88510编辑于 2024-06-15 - 来自专栏转自CSDN
算法的时间复杂度和空间复杂度
算法的复杂度 算法的复杂度就是用来衡量一个算法的效率，一般由两个指标构成，时间复杂度和空间房租啊都。时间复杂度在乎算法的运行快慢，空间复杂度衡量一个算法运行时所需要的额外空间大小。 在早期的时候，计算机存储和内存都很小，需要在乎空间复杂度，但是现在计算机的内存都很大，那么也就不在那么在乎空间复杂度了。 for (int j = 0; j < N ; ++ j) { ++count; } } for (int k = 0; k < 2 * N ; ++ k) { ++count; } int M = 10 ; while (M--) { ++count; } printf("%d\n",count); } Func1的执行次数是 N^2 + 2* N + 10 那么它的时间复杂度就是 空间复杂度 空间复杂度是用来衡量一个算法占用的额外的空间的大小。这个与时间复杂度类似，也用大O渐进表示法。
66510编辑于 2024-04-30
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号