# algorithmic-demo

**Repository Path**: Zzr4/algorithmic-demo

## Basic Information

- **Project Name**: algorithmic-demo
- **Description**: 力扣练习
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-01-12
- **Last Updated**: 2024-01-18

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

### 算法-Algorihm

#### 时间复杂度

**大O符号表示法**：`T(n)=O(f(n))`

fn:每行代码执行次数之和，O表示正比例关系

~~~javascript
for(i=1; i<=n; ++i)   // 1次
{ 					//  符号忽略
   j = i;			 //   n次
   j++;				 //   n次
}					// 符号忽略

统计：1+2n =>  n数量无限大时，1可以忽略，系数2也可以忽略，所以可以简化为 =>  n
时间复杂度：T(n) = O(n)
~~~

**常见的时间复杂度量级**

`常数阶O(1)`：没有循环等复杂结构,消耗的时间并不随着变量的增长而增长

~~~javascript
let a = 1
let b = 2
++a
b++
let sum = a + b
~~~



`对数阶O(logN)`：

~~~javascript
let i = 1
while(i < n) {
    i = i * 2
}
~~~



`线性阶O(n)`：一般是一层循环

`线性对数阶O(nlogN)`：将时间复杂度为对数阶的代码循环n遍

`平方阶O(n²)`：再循环一遍复杂度为O(n)的，相当于双层循环

`立方阶O(n³)`：平方阶类似

`K次方阶O(n^k)`：平方阶类似

`指数阶(2^n)`

#### 空间复杂度

对一个算法在运行过程中临时占用存储空间大小的一个量度，用S(n)表示

**常见空间复杂度类型**

`O(1)`：和时间复杂度O(1)一样，所需要的空间不随某个变量n的大小变化

~~~javascript
int i = 1;
int j = 2;
++i;
j++;
int m = i + j;
~~~

`O(n)`：

~~~javascript
int[] m = new int[n]
for(i=1; i<=n; ++i)
{
   j = i;
   j++;
}

//第一行new伊戈尔数组，数据占用大小为n，后面代码虽然循环但是没有再分配空间，所以空间复杂度为O(n)
~~~