Milo前端日记

📢 大家好，我是Milo，一名研二的前端爱好者

📢 这篇文章是Milo学习数据结构与算法时记录的笔记

📢 非常感谢你的阅读，不对的地方欢迎指正 🙏

📢 愿你忠于自己，热爱生活

# 💡知识点抢先看

  • 算法基础
  • 计算时间复杂度
  • 计算空间复杂度
  • 数据结构和算法的学习指南

# 引言

Milo在这里总结自己学习数据结构和算法的学习笔记，将涉及栈、队列、链表、堆、树、图...等数据结构，以及经典排序算法，算法设计思想等进阶算法...，同时将会结合LeetCode题目对每篇文章进行巩固和提升!

image-20210929202048085

（图片来源于慕课网截图）

# 一.大 O 表示法

关于复杂度的计算，我们采用的是 大 O 表示法 ，它用来描述算法性能和复杂程度

常见的表示

符号大O标记法 名称
O(1) 常数
O(log N) 对数
O(N) 线性
O(N log N) 对数多项式
O(N^2) 二次
O(2^N) 指数
O(N!) 阶乘

大 O 表示法一般考虑的是 CPU 占用时间，它可以粗略的了解代码运行的时间效率

例如

function test(num){
	return ++num;
}
1
2
3

我们调用这个函数一次，执行时间是 t ，我们再调用一次，执行时间还是 t，和传入的参数无关， test 函数的性能都一样，因此它的复杂度为 O(1)

当循环 n 次时，就是 O(n)

# 二.时间复杂度

大 O 表示法表明的是该段代码执行时间随数据规模增大的变化趋势，它的特点是

  • 只关注量级最大的时间复杂度

常见的时间复杂度量级 O(1) < O(logn) < O(n) < O(n^2)

对于 O(2)、O(3) 这些，我们都叫做 O(1) 常数级

例如：

# 1. O(1)

let i = 0;
i += 1;
// 每次执行代码只执行一次 O(1)
1
2
3

这段代码每次只执行一次，因此为 O(1)

# 2. O(n)

for (let j = 0; j < n; j++) {
    console.log(j);
}
1
2
3

再上面这段代码中，我们每次都需要执行 n 次的 log ，因此我们可以把它看作 O(n)

同样的我们再来看一个

let i = 0;
i += 1;
for (let j = 0; j < navigator; j++) {
    console.log(j);
}
1
2
3
4
5

这种代码我们经常写，前面是我们刚刚计算的 O(1)，后面是 O(n) ，它们并行排列，时间复杂度相加，取最大的那个

  • 因此它的时间复杂度同样是 O(n)

# 3. O(log(n))

while (i < n) {
    console.log(i);
    i *= 2;
}
1
2
3
4

对于 log(n) 的情况，在个时间复杂度是很好的，当然 O(1) 是最好的，但是在解题的时候，如果能优化到 log(n) 也是很不错的了

那它是如何计算的呢？

我们可以看到，这里采用了 变量i来控制循环的终止，每次循环体中，都需要 2 * i 的操作

因此对于时间复杂度的计算 2^t = n 解得 t = log(n)

# 4. O(n^2)

for (let i = 0; i < n; i++) {
    for (let j = 0; j < n; j++) {
        console.log(i);
    }
}
1
2
3
4
5

对于这种嵌套排列，时间复杂度是 n^2 ，外面一层 n ，里面一层 n 乘一下就是 n^2，冒泡排序的时间复杂度就是 O(n^2)

关于时间复杂度就介绍这么多，其他的思路都差不多

image-20211029161002646

# 三.空间复杂度

空间复杂度表示的是：存储空间随数据规模的增长趋势，在 LeetCode 中最直接的反应就是内存消耗

例如

# 1. O(1)

let i = 0;
1

在这里我们申请了单个变量的内存空间，为 O(1)

# 2. O(n)

let arr = []
for(let i = 0;i < n;i++) {
    arr.push(i)
}
1
2
3
4

像这样的一个数组，并给它填满值，n 越大，它需要分配的空间就越多，它的空间复杂度就是 O(n)

# 3. O(n^2)

int arr = [][]
// 遍历赋值
1
2

声明一个二维数组，填满值，它的空间复杂度就是 O(n^2) ，你可以理解为一个矩阵，n*n 为 n^2

# 总结

  1. 复杂度计算按最高阶来计算
  2. 时间、空间复杂度描述的都是随数据规模的变化趋势
  3. 时间复杂度的重点在于循环嵌套
  4. 空间复杂度关注于内存

# 参考

笔记来源 小丞前端日记 (opens new window)

书籍：《JavaScript 数据结构和算法》

Github (opens new window) (opens new window)仓库：JavaScript 算法与数据结构(opens new window) (opens new window)

视频推荐：B站 coderwhy 老师的视频(opens new window) (opens new window)

刷题地址：acwing，leetcode

数据结构之详解栈结构 →