在上一篇文章里，有看到一个简单算法题的2个解法，我们运用了复杂度分析来判断哪个解法更合适。
这里的复杂度，就是用于衡量程序的运行效率的重要度量因素。
虽然有句俗话“不管是白猫还是黑猫，抓到老鼠就是好猫”，这句话是站在结果导向的，没错。但是如果
有个程序要去处理海量数据，一个程序员写的要执行2天，而另一个程序员只要半小时，那么第二种显然更适合
我们的实际需求。
一、什么是复杂度
复杂度是一个关于输入数据量n的函数。
要表示复杂度很简单，用大写O加上括号O()将复杂度包起来就好了。比如这个代码的复杂度是f(n)，那就可以写成O(f(n))。
在计算复杂度的时候，有三点需要我们记住：
- 复杂度与具体常系数无关
- 多项式级复杂度相加，选择高者为结果
O(1)表示特殊复杂度
1、复杂度与具体常系数无关
举个例子，将一个列表反转，不用reverse()。
def demo_1(): a = [1, 2, 3, 4, 5] b = [0 for x in range(0,5)] #第一个for循环 n = len(a) for i in range(n): # 第二个for循环 b[n - i - 1] = a[i] print(b) if __name__ == "__main__": demo_1() ===============运行结果================== D:\Programs\Python\Python36\python.exe D:/练习/leecode/fuzadu.py [5, 4, 3, 2, 1] Process finished with exit code 0
可以看到我先用了一个for循环创建了一个跟a列表等长度，元素全是0的列表。
然后再用一个for循环将a里的元素倒序放入b，最终得到一个跟a反序的列表。
其中，每一个for循环的时间复杂度都是O(n)，2个加起来就是O(n)+O(n)，也等于O(n+n)，也等于O(2n)。
也就是相当于 一段 O(n)复杂度的代码先后执行两遍，它们的复杂度是一致的。
2、多项式级复杂度相加，选择高者为结果
有了上面的例子，这个也就好理解了。
假设，一个算法的复杂度是O(n²)+O(n)，那么可以知道，当n越来越大，也就是输入的数据量越来越大时，n^2的变化率要比n大的多，
所以，这时候我们只取变化率更大的n^2来表示复杂度即可，也就是O(n²)+O(n)等同于O(n²)。
3、O(1)表示特殊复杂度
还是借助上面的反转问题，这里再使用第二种解法。
def demo_2(): a = [1, 2, 3, 4, 5] tmp = 0 n= len(a) for i in range(n//2): # // 表示整数除法，返回不大于结果的一个最大整数 tmp = a[i] a[i] = a[n -i -1] a[n -i -1] = tmp print(a) if __name__ == "__main__": demo_2() ==============运行结果============== D:\Programs\Python\Python36\python.exe D:/练习/leecode/fuzadu.py [5, 4, 3, 2, 1] Process finished with exit code 0
跟第一个解法相比，第二个解法少了一个for循环，而且循环次数只是到了列表的一半，那么时间复杂度就是O(n/2)，
由于复杂度与具体的常系数无关的性质，这段代码的时间复杂度还是 O(n)。
但是在空间复杂度上，第二个解法开辟了一个新的变量tmp，它与数组长度无关。
输入是 5 个元素的数组，需要一个tmp变量输入是 50 个元素的数组，同样只需要一个tmp变量。
因此，空间复杂度与输入数组长度无关，这就是 O(1)。
二、分析复杂度
这里就直接上一些经验性的结论，可以直接拿过来用的：
- 一个顺序结构的代码，时间复杂度是
O(1)。 - 一个简单的 for 循环，时间复杂度是
O(n)。 - 两个顺序执行的 for 循环，时间复杂度是
O(n)+O(n)=O(2n)，其实也是O(n)。 - 两个嵌套的 for 循环，时间复杂度是
O(n²)。 - 二分查找，时间复杂度都是
O(logn)。
趁热打铁，分析一下下面代码的复杂度：
for (i = 0; i < n; i++) {
for (j = 0; j < n; j++) {
for (k = 0; k < n; k++) {
}
for (m = 0; m < n; m++) {
}
}
}可以先从最里面看，最内层是2个顺序结构的for循环，复杂度是O(n)。
中间这层的又嵌套了一个for循环，所以这时候复杂度就变成了O(n^2)。
最后，最外层又嵌套了一个for循环，所以最终的复杂度就是O(n^3)。
虽然测试工程师的代码对于复杂度要求不高甚至说非常低，但是我觉得理解复杂度，并且会做一些简单的分析
还是很有必要的。
标签：__,tmp,一个,复杂度,算法,循环,简单,解法 来源： https://blog.51cto.com/u_13407532/2727544
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。