时间复杂度

什么是时间复杂度？

定性描述该算法的运行时间，一个函数、用大 O 表示，例如 O (1)、 O (n)、O (logN) ...

常见的时间复杂度量级

• 常数阶 O (1)
• 对数阶 O (logN)
• 线性阶 O (n)
• 线性对数阶 O (nlogN)
• 平方阶 O (n²)
• 立方阶 O (n )
• K 次方阶 O (n ^ k)
• 指数阶 (2 ^ n)

上面从上至下依次的时间复杂度越来越大，执行的效率越来越低。

坐标图如下

基础案例

O(1)

当每次该文件执行的时候，以下代码永远只会执行一次。

let i = 0

i += 1

O(n)

这是一个循环语句，循环体内的代码会执行 n 次。

for (let i = 0; i < n; i++) {
    console.log(i)
}

O(1) + O(n) = O(n)

当两个时间复杂度的代码在一块时，以时间复杂度较大的为准，当 n 足够大的时候，1 可以忽略不计。

let i = 0

i += 1

for (let i = 0; i < n; i++) {
    console.log(i)
}

O(n) * O(n) = O(n ^ 2)

当遇到嵌套 for 循环时，两个时间复杂进行相乘，得到的结果就是真实的时间复杂度。当时间复杂度进行相加时，却可以忽略不计。

for (let i = 0; i < n; i++) {
    for (let j = 0; j < n; j++) {
        console.log(i, j)
    }
}

O(logN)

log 一般都是以 2 为底，可以不写。log 称为对数，一般是求 2 的多少次方为 n 。

let i = 1

while (i < n) {
    console.log(i)
    i *= 2
}