知道自己寫的程序的時間復(fù)雜度，有利于我們寫出能夠高效運行的程序。

程序是由一個個函數(shù)組成的，有些簡單的由幾個基礎(chǔ)運算組成的函數(shù)大家一眼就能看出來它的時間復(fù)雜度，但是大部分函數(shù)沒那么簡單，只要函數(shù)里面涉及到了循環(huán)、外部函數(shù)調(diào)用甚至遞歸的時候它的時間復(fù)雜度就沒那么容易分析啦。

這篇文章的內(nèi)容，可以幫你快速推導(dǎo)出程序代碼的時間復(fù)雜度。

要分析程序的時間復(fù)雜度，首先還是要確定時間復(fù)雜度的度量標(biāo)準(zhǔn)— —英文文檔里通常會用 metric 這個單詞來表示，這個標(biāo)準(zhǔn)規(guī)定了在函數(shù)中平鋪展開的代碼、循環(huán)中的代碼、有函數(shù)調(diào)用的代碼、以及遞歸調(diào)用的代碼的時間復(fù)雜度的測量方式。

Big O Notations

如何計算程序的時間復(fù)雜度呢？最常用的度量方式叫做 Big O Notations 翻譯過來叫大O標(biāo)記法。

使用大O標(biāo)記法前要先了解它的幾個要點：

• 相同配置的計算機(jī)進(jìn)行一次基本運算的時間是一定的，因此我們將程序基本運算的執(zhí)行次數(shù)作為時間復(fù)雜度的衡量標(biāo)準(zhǔn)。
• 時間復(fù)雜度是對運行次數(shù)的錯略估計，在計算時可以只考慮對運行時間貢獻(xiàn)大的語句而忽略運行次數(shù)少的語句。比如 O(3 * n2 + 10n + 10) 會被統(tǒng)計成 O(n2)。
• 比如有些涉及到排序的程序，執(zhí)行時間往往依賴于程序的輸入，可以分為最好、最壞、平均情況的時間復(fù)雜度，這種時候使用大 O 標(biāo)記法時我們只用關(guān)注最壞的情況，因為最壞情況對衡量程序效率的好壞具有實際意義。

在大O標(biāo)記法中，常見的時間復(fù)雜度有一下幾類。

1. 常數(shù)階:常數(shù)階的復(fù)雜度通常用O(1)表示，不是說程序只有一行基礎(chǔ)代碼運行，它的意思是不管程序的輸入是什么程序都會運行一個固定數(shù)量的運算，這個數(shù)可以是任何常數(shù)5、100、200都行，重點是他不會隨輸入的增長才被統(tǒng)計稱 O(1)
2. 多項式階：很多算法的時間復(fù)雜度是 O(n)、O(n2)、O(n3)這樣的多項式。
3. 指數(shù)階：指數(shù)階的時間復(fù)雜度用O(2n) 、 O(nn) 等表示，這種程序運行效率極差，是程序員寫代碼一定要避開的大坑。
4. 對數(shù)階：對數(shù)階的程序運行效率較高，通常用O(logn)、 O(n log n) 等表示。

它們的關(guān)系如下：

圖片

從上面的圖我們可以看到，O(1)是最高效最穩(wěn)定的，完全不受輸入數(shù)據(jù)尺寸增長的影響，指數(shù)階隨著輸入的增加而爆增，而對數(shù)階則增長緩慢。

按照時間復(fù)雜度從低到高排序：

O(1) < O(logn) < O(n) < O(n log n) < O(n^2) < O(n^3) < O(2^n) < O(n!) < O(n^n)

在寫程序時，我們要注意時間復(fù)雜度增量的問題，盡量避免爆炸級增長。

了解完時間復(fù)雜度的大O標(biāo)記法后，接下來我們看下怎么把我們平時接觸的代碼轉(zhuǎn)化為其對應(yīng)的時間復(fù)雜度。

順序語句的復(fù)雜度

這是最簡單的代碼結(jié)構(gòu)，比如說我們有一個下面的計算3個數(shù)字的平方和的函數(shù)。

function squareSum(a, b, c) {
  const sa = a * a;
  const sb = b * b;
  const sc = c * c;
  const sum = sa + sb + sc;
  return sum;
}

函數(shù)中的每個語句都是一個基本運算。每行的時間復(fù)雜度為 O(1)。我們把所有語句的時間加起來，它仍然是 O(1)， 記住昂，不是O(3)。

O(1)表示程序時常數(shù)級的時間復(fù)雜度，不管程序的輸入是什么程序都會運行數(shù)量固定的操作。

注意如果順序排列的代碼中有對函數(shù)的調(diào)用，復(fù)雜度就不是O(1)了，你想知道是多少？

條件語句的復(fù)雜度

很少有會有程序代碼沒有任何條件語句。因為大 O 標(biāo)記法關(guān)注程序運行的的最壞情況，所以對一個類似這樣的條件語句：

if (isValid) {
  statement1;
  statement2;
} else {
  statement3;
}

它的時間復(fù)雜度可以按下面這個公式推導(dǎo)出來：

T(n) = Math.max([t(statement1) + t(statement2)], [time(statement3)])

比如說下面這個代碼：

if (isValid) {
  array.sort();
  return true;
} else {
  return false;
}

if代碼塊中的時間復(fù)雜度為O( n log n) — 常用編程語言內(nèi)置排序算法的時間復(fù)雜度，else代碼塊的時間復(fù)雜度為O(1)，那么整個代碼的時間復(fù)雜度為：

O([n log n] + [n]) => O(n log n)

循環(huán)語句的復(fù)雜度

線性循環(huán)

for (let i = 0; i < array.length; i++) {
  statement1;
  statement2;
}

對于這個例子，循環(huán)執(zhí)行 array.length次，所有與輸入數(shù)據(jù)增長而成比例增長的循環(huán)都具有線性—常數(shù)階的時間復(fù)雜度 O(n)。

對數(shù)循環(huán)

觀察下面的程序：

function fn(n) {
  i = 1;
  while( i < n) {
     i = i*2;
  }
 }

對于這個程序，我們無法確定while 以及 i = i*2 語句運行了多少次，這時可以假設(shè)運行了x次，每次運行后i的值為2、22、23… 當(dāng)while 語句的條件不滿足即i = n時結(jié)束，也就是2x = n ， x = log2n ，它的時間復(fù)雜度近似于O(logn )。

固定次數(shù)循環(huán)

for (let i = 0; i < 4; i++) {
  statement1;
  statement2;
}

針對固定條件的循環(huán)，像上面這個程序一樣，無聊時固定循環(huán)4次還是 100 次時間復(fù)雜度都是 O(1)。

嵌套循環(huán)

for (let i = 0; i < n; i++) {
  statement1;

  for (let j = 0; j < m; j++) {
    statement2;
    statement3;
  }
}

假設(shè)循環(huán)中的語句都是基礎(chǔ)操作，沒有對函數(shù)的調(diào)用，那么這個代碼有兩層嵌套循環(huán)，時間復(fù)雜度為O(n2)。

循環(huán)中有函數(shù)調(diào)用的時間復(fù)雜度

假如我們有這樣一個程序：

for (let i = 0; i < n; i++) {
  fn1();
  for (let j = 0; j < n; j++) {
    fn2();
    for (let k = 0; k < n; k++) {
      fn3();
    }
  }
}

根據(jù) fn1、fn2 和 fn3 函數(shù)自身的時間復(fù)雜度，整個程序?qū)碛胁煌倪\行時間。

如果這三個函數(shù)它們都是常數(shù)階 O(1)，那么最終的運行時間將為 O(n3)。但是如果只有 fn1 和 fn2 是常數(shù)介， fn3 的時間復(fù)雜度為 O(n2)，則該程序的運行時間將為 O(n5)。

一般來說，循環(huán)中有函數(shù)調(diào)用，時間復(fù)雜度可以用下面這個公式計算：

T(n) = n * [ t(fn1()) + n * [ t(fn2()) + n * [ t(fn3()) ] ] ]

函數(shù)遞歸調(diào)用的時間復(fù)雜度

function fn(n) {
 if (n == 1 || n == 2) {
   return 1;
 }
 return fn(n - 1) + fn(n - 2);
}

以上是學(xué)算法都學(xué)過的斐波那切數(shù)列的遞歸調(diào)用實現(xiàn)版本，它的時間復(fù)雜度為O(2n) ，所以在平時寫代碼時在你不確定程序能執(zhí)行多少次的時候，最好不要輕易使用遞歸調(diào)用。

總結(jié)

這篇內(nèi)容我們梳理了一下不同的時間復(fù)雜對大概對應(yīng)什么樣的代碼，讓我們能更正確地估算自己寫的程序的時間復(fù)雜度。