算法复杂度是我们来衡量一个算法执行效率的一个度量标准，算法复杂度通常主要有时间复杂度和空间复杂度两种。时间复杂度就是指算法代码在运行最终得到我们想要的结果时所消耗的时间，而空间复杂度则是指算法中用来存储的数据结构所占用的空间。往往一个时间复杂度比较低的算法拥有着较高的空间复杂度，两者是互相影响的，我们前面讲解数据结构中的一些例子和代码也足以说明这一点。本文会简单介绍一下用于描述算法的性能和复杂程度的大O表示法。

　　我们先来看一段简单的代码，来帮助我们理解什么是大O表示法：

function increment(num) {

    return ++num;

}

console.log(increment(1));

　　上面的代码声明了一个函数，然后调用它。这样的代码无论我们传入的参数是什么，它都会返回自增后的结果。也就是说该函数的执行时间跟我们传入的参数没有任何关系，执行的时间都是X。因此，我们称该函数的复杂度是O(1)，常数的。

　　我们再来看看前面讲过的顺序搜索算法，我们直接把代码拿过来用就好了。

//顺序搜索

function sequentialSearch(array,item) {

    for(var i = 0; i < array.length; i++) {

        if(item === array[i]) {

            return i;

        };

    };

    return -1;

};

　　现在我们假设要搜索的数组是[1,2,3...9,10]，然后我们搜索1这个元素，那么在第一次判断时就能找到想要搜索的元素。那么我们这里先假设每执行一次循环的开销是1。那么我们还想搜索11，数组中没有这个元素，sequentialSearch 就会执行十次遍历整个数组，发现没有后返回-1。那么在最坏的情况下，数组的长度大小决定了算法的搜索时间。这样的函数的时间复杂度就是O(n)，线性的，这里的n就是数组的长度。

　　那么，我们来稍微修改一下sequentialSearch让它可以计算开销：

//顺序搜索

function sequentialSearch(array,item) {

    var cost = 0;

    for(var i = 0; i < array.length; i++) {

        cost++;

        if(item === array[i]) {

            return i;

        };

    };

    console.log(array.length,cost);

    return -1;

};

sequentialSearch([1,2,3,4,5,6,7,8,9,10],11);

　　很简单，就是加上了一个cost变量来计数。那么我们下面再来看看冒泡排序的时间复杂度是怎样的，这里我们不再浪费篇幅，直接在代码中加入计数器：

function swap(array,index1,index2) {

    var aux = array[index1];

    array[index1] = array[index2];

    array[index2] = aux;

}

function bubbleSort(array) {

    var length = array.length;

    var cost = 0;

    for (var i = 0; i < length; i++) {

        cost++;

        for (var j = 0; j < length - 1; j++) {

            cost++;

            if(array[j] > array[j + 1]) {

                swap(array,j,j+1);

            }

        }

    }

    console.log(length,cost);

}

bubbleSort([2,3,4,1,8,7,9,10]);

　　代码本身没什么好说的，我们发现，如果数组的长度是8，那么我们排序所消耗的时间就是64，如果长度是10，消耗的时间就是100。换句话说，冒泡排序的时间复杂度就是数组长度的平方，也就是O(n2)。

<!DOCTYPE html>

<html>

<head lang="en">

    <meta charset="UTF-8">

    <style>

        body { background-color: #DDDDDD; font: 30px sans-serif; }

    </style>

    <script type="text/javascript" src="https://www.google.com/jsapi"></script>

    <script type="text/javascript">

        google.load('visualization', '1.0', {'packages':['corechart']});

google.setOnLoadCallback(drawChart);

function drawChart() {

    var data = new google.visualization.DataTable();

    data.addColumn('string', 'n');

    data.addColumn('number', 'O(1)');

    data.addColumn('number', 'O(log n)');

    data.addColumn('number', 'O(n)');

    data.addColumn('number', 'O(n log n)');

    data.addColumn('number', 'O(n^2)');

    data.addColumn('number', 'O(2^n)');

    for (var i = 0; i <= 30; i++) {

        data.addRow([i+'', 1, Math.log(i), i, Math.log(i)*i, Math.pow(i,2), Math.pow(2,i)]);

    }

    var options = {'title':'Big O Notation Complexity Chart',

        'width':700,

        'height':600,

        'backgroundColor':{stroke:'#CCC',strokeWidth:1},

        'curveType':'function',

        'hAxis':{

            title:'Elements (n)',

            showTextEvery:5

        },

        'vAxis':{

            title:'Operations',

            viewWindowMode:'explicit',

            viewWindow:{min:0,max:450}

        }

    };

    var chart = new google.visualization.LineChart(document.getElementById('chart_div'));

    chart.draw(data, options);

}

    </script>

</head>

<body>

<div id='chart_div'></div>

</body>

</html>

　　上面的代码是用js画的一幅图，其中有一些常用的大O表示法所对应的时间复杂度，大家可以把代码COPY到本地自行去看一下，这样会才会对大O表示法有更好的理解，为了偷点懒，也为了大家可以确实的自己去看一下图标。我这里不会把图给大家贴上的。

　　下面给大家贴上几张图，来看看我们之前学习的一些数据结构和算法的时间复杂度是怎样的。

1、常用数据结构的时间复杂度

2、图的时间复杂度

表格中的V代表顶点，E代表边。

3、排序算法

4、搜索算法的时间复杂度

　　终于，我们了解了几乎我们前面学过的所有的数据结构和算法的时间复杂度，这样我们在选择算法的时候可以更确切地评估它的效率。

　　那么，我们本系列的文章也将告一段落。后面准备深入的学习一下CSS。可能会把其中一些比较有意思的地方贴出来与大家分享。

　　最后，由于本人水平有限，能力与大神仍相差甚远，若有错误或不明之处，还望大家不吝赐教指正。非常感谢！

　　最后，感谢大家的阅读。如果您觉得或许还有那么点用处，可以把我的主页加入你的收藏夹中以便需要的时候可以快速的找到。

js算法初窥07（算法复杂度）的更多相关文章

  1. js算法初窥05（算法模式02-动态规划与贪心算法）

    在前面的文章中(js算法初窥02(排序算法02-归并.快速以及堆排)我们学习了如何用分治法来实现归并排序,那么动态规划跟分治法有点类似,但是分治法是把问题分解成互相独立的子问题,最后组合它们的结果,而 ...

  2. js算法初窥01（排序算法01-冒泡、选择、插入）

    排序,我想大家一定经历过或者正在经历着.或许你不懂算法,对排序算法一无所知,但是你一定用过一些第三方库的api来一键排序,那么,在你享受便捷的同时,你是否想过它的底层是如何实现的?这样的算法实现方式是 ...

  3. Python <算法思想集结>之初窥基础算法

    1. 前言 数据结构和算法是程序的 2 大基础结构,如果说数据是程序的汽油,算法则就是程序的发动机. 什么是数据结构? 指数据在计算机中的存储方式,数据的存储方式会影响到获取数据的便利性. 现实生活中 ...

  4. js算法初窥02（排序算法02-归并、快速以及堆排序）

    上一篇,我们讲述了一些简单的排序算法,其实说到底,在前端的职业生涯中,不涉及node.不涉及后台的情况下,我目前还真的没想到有哪些地方可以用到这些数据结构和算法,但是我在前面的文章也说过了.或许你用不 ...

  5. js算法初窥03（简单搜索及去重算法）

    前面我们了解了一些常用的排序算法,那么这篇文章我们来看看搜索算法的一些简单实现,我们先来介绍一个我们在实际工作中一定用到过的搜索算法--顺序搜索. 1.顺序搜索 其实顺序搜索十分简单,我们还是以第一篇 ...

  6. js算法初窥04（算法模式01-递归）

    终于来到了有点意思的地方--递归,在我最开始学习js的时候,基础课程的内容就包括递归,但是当时并不知道递归的真正意义和用处.我只是知道,哦...递归是自身调用自身,递归要记得有一个停止调用的条件.那时 ...

  7. js算法初窥03（搜索及去重算法）

    前面我们了解了一些常用的排序算法,那么这篇文章我们来看看搜索算法的一些简单实现,我们先来介绍一个我们在实际工作中一定用到过的搜索算法——顺序搜索. 1.顺序搜索 其实顺序搜索十分简单,我们还是以第一篇 ...

  8. js算法初窥06（算法模式03-函数式编程）

    在解释什么是函数式编程之前,我们先要说下什么是命令式编程,它们都属于编程范式的一种.命令式编程其实就是一块一块的代码,其中包括了我们要执行的逻辑或者判断或者一些运算.也就是按部就班的一步一步完成我们所 ...

  9. 数据结构(逻辑结构,物理结构,特点) C#多线程编程的同步也线程安全 C#多线程编程笔记 String 与 StringBuilder (StringBuffer) 数据结构与算法-初体验（极客专栏）

    数据结构(逻辑结构,物理结构,特点) 一.数据的逻辑结构:指反映数据元素之间的逻辑关系的数据结构,其中的逻辑关系是指数据元素之间的前后件关系,而与他们在计算机中的存储位置无关.逻辑结构包括: 集合 数 ...

随机推荐

  1. kernel_size

    kernel_size=(1,3)[flag] if flag==True:kernel_size=3 else: kernel_size=1

  2. PHP array_combine（）

    // 需要替换 key 的数组 $arr_old = array( '0' => array('id' => 1, 'name' => 'Carroll'), '1' => a ...

  3. poj1155 依赖背包

    /* 依赖背包 dp[i][j]表示i结点为根的树选择j个用户时的最大剩余费用 即背包容量是j,价值是最大费用 */ #include<iostream> #include<cstr ...

  4. loadrunner获取当前日期、明日日期、昨日日期

    DATE_NOW(现在的日期) TIME_NOW(现在的时间) ONE_DAY(一天的时间) ONE_HOUR(一小时的时间) ONE_MIN(一分钟的时间) 可以使用公式获取昨天明天,例如: DAT ...

  5. Ajax爬虫必用到的字典转换器

    1.使用情景 在我们Ajax爬虫时需要用到以下这样的数据的时候我们会一个一个地复制粘贴,这样会很麻烦 def dictionary_converter(key_value): '''主要用于爬虫时复制 ...

  6. 常见的HTTP响应状态码解析

    概要 状态码的职责是当客户端向服务器端发送请求时,描述返回的请求结果.借助于状态码,浏览器(或者说用户)可以知道服务器是正常的处理了请求,还是出现了错误. 状态码以3位数字和原因短语组成,例如 200 ...

  7. 20165206 2017-2018-2 《Java程序设计》第七周学习总结

    20165206 2017-2018-2 <Java程序设计>第七周学习总结 教材学习内容总结 MySqL:是世界上最流行的开源数据管理系统. 配置启动MySQL. 连接数据库:Conne ...

  8. OOP和面向对象

    OOP具有三大特点 1.封装性:也称为信息隐藏,就是将一个类的使用和实现分开,只保留部分接口和方法与外部联系,或者说只公开了一些供开发人员使用的方法.于是开发人员只 需要关注这个类如何使用,而不用去关 ...

  9. 八卦一下Starlark语言

    八卦一下Starlark语言 编译移植TensorFlow时用到Bazel这一构建工具,Bazel用Starlark语法来编写WORKSPACE/BUILD文件,它们是类似于Make中的makeifl ...

  10. Android NDK笔记

    目录 Android NDK笔记 AOSP Android repository Android SDK / SDK Tools NDK cmake && ninja lldb adb ...