一.算法效率的度量方法
1.事后统计方法: 这种方法主要是通过设计好的测试程序和数据,利用计算机计时器对不同算法编制的程序的运行时间进行比较,从而确定算法效率的高低。
2.事前分析估算方法：在计算机程序编写前，依据统计方法对算法进行估算。
经过总结，一个高级语言编写的程序在计算机上运行时所消耗的时间取决于下列因素：
-1.算法采用的策略，方案
-2.编译产生的代码质量
-3.问题的输入规模
-4.机器执行指令的速度
二.函数的渐变增长
1.判断一个算法效率,函数中的常数和其他次要项常常可以忽略,而更应该关注主项(最高项)的阶数。
三.算法时间复杂度
1.算法时间复杂度的定义:在进行算法分析时,语句总的执行次数T(n)是关于问题规模n的函数,进而分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度，也就是算法的时间量度，记作：T(n)=O(f(n))。它表示随问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐进时间复杂度，简称为时间复杂度。其中f(n)是问题规模n的某个函数。
2.如何分析一个算法的时间复杂度呢？即如何推导大O阶呢？
-1.用常数1取代运行时间中的所有加法常数。
-2.在修改后的运行次数函数中，只保留最高阶项。
-3.如果最高阶项存在且不是1，则去除与这个项相乘的常数。
-4.得到的最后结果就是大O阶。
3.最坏情况与平均情况：
-1.算法的分析也是类似，我们查找一个有n个随机数字数组中的某个数字，最好的情况是第一个数字就是，那么算法的时间复杂度为O(1)，但也有可能这个数字就在最后一个位置，那么时间复杂度为O(n)。
-2.平均运行时间是期望的运行时间。
-3.最坏运行时间是一种保证，在应用中，这是一种最重要的需求，通常除非特别指定，我们提到的运行时间都是最坏情况的运行时间。
四.算法的空间复杂度
1.我们在写代码时，完全可以用空间来换取时间。
2.例如：要判断某年是不是闰年
-1.写一个算法，每给一个年份，就可以通过这个算法计算得到是否闰年的结果。
-2.事先建立一个有2050个元素的数组，然后把所有的年份按下标的数字对应，如果是闰年，数组元素是1，不是则为0。这样所谓的判断某一年是否为闰年就变成了查找这个数组某一个元素的值的问题。
3.算法的空间复杂度通过计算算法所需的存储空间实现，算法的空间复杂度的计算公式记作：S(n)=O(f(n))，其中，n为问题的规模，f(n)为语句关于n所占存储空间的函数。
4.通常，我们都是用“时间复杂度”来指运行时间的需求，使用“空间复杂度”指空间需求。
5.当直接要我们求“复杂度”是，通常指的是时间复杂度。
来源：CSDN
作者：花开半夏丶丿
链接：https://blog.csdn.net/qq_43570604/article/details/103603359