我们如何评估算法的复杂度 如何评价一个算法的计算复杂度?

时间复杂度主要是为了反映函数的执行时间随着输入规模增长而变化的规律，在一定程度上可以体现程序的执行效率和算法的优劣。作为程序员，掌握基本的算法时间复杂度的计算是很有必要的。

理论上，执行一个算法消耗的时间，是无法精确计算的，即使上机测试，受到各种因素影响，得到的时间也可能有较大差别。对于程序员，我们只需关注哪个算法花费的时间多，哪个算法花费的时间少就可以了。

下面我通过代码给大家说明时间复杂

function test(n) {
 let a = n + 20; // 执行 1 次
 return a; // 执行 1 次
}

通过上面的 我们可以看出他的执行次数是2次，也就是说不管我们的n传递的是几都是2次对于这种情况我们可以说他的时间复杂度为O(1)

function test(n) {
for(int i = 0; i < n; i++) { // 执行 n 次
  console.log (n); // 执行 n 次
  }
 }

通过上面的 我们可以看出他的执行次数是2N次,随着我们传递的N 的不一样 次数也会发生变化，对于这种情况 ，忽略和最高阶相乘的常数2，我们通过定义他的时间复杂度为O(N)

function test( n) {
  for(int i = 0; i < n; i++) { // 执行n次
      for(int j = 0; j < n; j++) { //由于外层循环，该语句执行 n * n 次
            console.log（"Hello"); // 同理，执行n*n次
       }
  }
}

通过上面的 我们可以看出他的执行次数是n + n^2 + n^2 忽略低阶项，和高阶项的常数部分，得到时间复杂度O(n^2)

function test( n) {
 for(int i = 0; i < n; i = i* 2) { // i=2,4,8,16...时执行，可通过对数近似计算次数，执行log2(n)了
     console.log("Hello");//log2(n)
  }
}

通过上面的 我们可以看出他的执行次数是2log2(n)忽略低阶项，和高阶项的常数部分，得到时间复杂度O(log2(n))

总结

计算时间复杂度时，可以先先计算 总次数，然后忽略常数项，只保留最高次项，同时忽略最高项的系数，得到函数 f(n)，则算法的时间复杂度就是 O(f(n))。

作为一个软件开发人员我们一定要学会快速评估算法的复杂度。欢迎关注，评论区留言， 私信 都可以。我们一起解决开发中遇见的问题。