时间复杂度T(n)=O(n²)数据结构与算法全面介绍
时间复杂度的核心，就是帮你搞清楚代码跑起来是飞快还是慢吞吞。像 T(n)=O(n²)这种，就是说数据量一大，运行时间会呈平方级增长。嗯，听起来吓人，但用在小数据量场景还挺稳当。
空间复杂度 S(n)=O(1)就香了，不管数据多大，占用内存几乎不变。你写个排序，比如冒泡，在正序情况下比较 n-1 次就结束，响应快；逆序时才会走满所有步骤，这时就要忍一下性能消耗。
建议你在练习排序算法时，试试不同输入顺序，感受最好和最坏情况的差距。如果你常写 Python，还可以参考一下 Python 排序算法的复杂度对比文章，挺有意思的。
文件大小：3.72MB
评论区