极客时间-数据结构与算法之美

时间复杂度表达的是代码执行时间随数据规模增长的变化趋势。

 

时间复杂度分析：

1. 只关注循环执行次数最多的一段代码
2. 总的时间复杂度等于量级最大的那段代码的时间复杂
3. 乘法法则：

O(1)表示代码执行时间不会随着n的变化而变化，无论n多大；只要代码中不存在循环语句和递归语句；即为O(1)；

O(logn)分析：

         i=1；

         while(i<n){

         i=i*2;

}

算代码的执行次数，即2的x次方为n的时候停止计算，那么x=log2N，故复杂度为O(log2N);不用管底数是什么，所有的复杂度都是O(logn)；为什么呢？因为对数都是可以互相转换的，

log3N=log32*log2N，所以O(log3N)=O(C*log2N),其中C为常数，可以忽略系数；按照乘法法则可以计算出O(nlogn);

O(m+n):有两个输入的数据时，加法法则不再适用，但是乘法依然可以；

空间复杂度表示算法的存储空间与数据规模之间的增长关系；

常见的空间复杂度是O(1) O(n) O(n2)

 

question:为什么数组下标从0开始计算？

answer：下标的定义是相对于首地址的偏移量offset，否则在计算的过程中CPU会多一次减法的运算；

寻址方式：a[k]_address = base_address + k * type_size

 

Topic：GCC中的编译器堆栈保护技术

栈区的增长方向是从高地址到低地址-栈顶地址<栈底地址；

标签：极客,复杂度,log2N,之美,地址,时间,数据结构,代码,乘法
来源： https://blog.csdn.net/runkui8905/article/details/88595884