編寫演算法時，需要對演算法進行分析。第一是從數學上證明演算法的正確性，這一步主要用到形式化證明的方法及相關推理模式，如迴圈不變式、數學歸納法等。而在證明演算法是正確的基礎上，第二部就是分析演算法的時間複雜度。這是用來衡量你的演算法好不好，以及能不能用。這在演算法的編寫當中至關重要。因為時間複雜度可以幫助我們優化演算法。也是衡量演算法能否使用的判定條件。
演算法中基本操作重複執行的次數是問題規模n的某個函式，用t(n)表示，若有某個輔助函式f(n),使得當n趨近於無窮大時，t（n)/f(n)的極限值為不等於零的常數，則稱f(n)是t(n)的同數量級函式。記作t(n)=ｏ(f(n)),稱ｏ(f(n)) 為演算法的漸進時間複雜度，簡稱時間複雜度。
如果乙個演算法的執行次數是 t(n)，那麼只保留最高次項，同時忽略最高項的係數後得到函式 f(n)，此時演算法的時間複雜度就是 o(f(n))。為了方便描述，下文稱此為 大o推導法。
該演算法的執行次數為2n+2次，所以我們可以根據推導法計算出來，這個演算法的時間複雜度為----------------o（n）
該演算法的執行次數為n^2+2n次，所以我們可以根據推導法計算出來，這個演算法的時間複雜度為----------------o（n^2）,這種迴圈結構可以用乘法判定也就是o(n × n × 1)
時間複雜度所耗費的時間是：
o(1) < o(logn) < o(n) < o(nlogn) < o(n2) < o(n3) n) < o(n!) n)
結論1：常見的演算法的時間複雜度，
結論2：演算法中語句執行次數為乙個常數，則時間複雜度為o(1),
結論3：當你的演算法的時間複雜度超過了o（n^2）時，你就要考慮這個演算法的規模了，因為這會在後面增長的非常快而導致程式卡死
演算法時間複雜度空間複雜度
演算法 是解決某一類問題的通法，即一系列清晰無歧義的計算指令。每個演算法只能解決具有特定特徵的一類問題，但乙個問題可由多個演算法解決。乙個演算法應該有以下五個方面的特性 比較演算法的優劣我們從兩個維度去進行考量 時間 空間 時間複雜度，空間複雜度 找出基本語句 演算法中執行次數最多的那條語句就是基本...
演算法 時間複雜度 空間複雜度
1 if i 1 2 a 1 result 3 4 result n 2 result 1000 1000 3 array.push a array.pop 4 map.set 1,1 map.get 1,1 在計算複雜度的時候，o 1 一般會被忽略。1 for let i 0 i n i 2 wh...
演算法的時間複雜度 空間複雜度
時間複雜度和空間複雜度是度量演算法效率的常用指標 事後統計，不常用 事前統計影響因素 演算法策略 問題規模 程式語言 質量 機器執行指令的速度 撇開軟硬體的影響，演算法執行工作量的大小只依賴於問題的規模 通常用整數n表示 乙個演算法是由控制結構 順序，分支，迴圈三種 和原操作 指固有資料型別的操作 ...