TypeScript数据结构与算法（8）通俗易懂的算法时间复杂度

上几篇文章中，对于队列，链表的优化，都是出于数据结构的算法事件复杂度的优化考虑的，那什么是算法时间复杂度？通俗一点，就是你写的代码执行效率怎么样，如果执行效率很low，那你写的代码算法时间复杂度就很高，在计算算法时间复杂度时，有以下几种：

O(1)：比如直接输出console.log这种概念

O(n)：比如循环n次

O(n^2)：比如循环里面再套一个循环

O(logn)：数量的规模如果是n，但是在执行过程中存在循环减半，就是logn

等，另外还需记住，所谓的算法的时间复杂度，只是一个估计值。

 常见的时间复杂度排序：O(1)<O(logn)<O(n)<O(nlogn)<O(n^2)<O(n^2*logn)<O(n^3)

在了解上面时什么东西之前，可以先看下下面四组代码，判断哪一组运行的时间最短（效率最高），哪一组运行的时间最长（效率最低）

    start() {

        //第一组
        console.log("hello world");

        //第二组
        let nlen = 18;
        for (let i = 0; i < nlen; i++) {
            console.log("helloworld");
        }

        //第三组
        let ilen = 18;
        let jlen = 18;
        for (let i = 0; i < ilen; i++) {
            for (let j = 0; i < jlen; j++) {
                console.log("helloworld");
            }
        }

        //第四组
        let alen = 18;
        let blen = 18;
        let clen = 18;
        for (let a = 0; a < alen; a++) {
            for (let b = 0; b < blen; b++) {
                for (let c = 0; c < clen; c++) {
                    console.log("helloworld");
                }
            }
        }

    }

 毫无疑问，即使不了解算法时间复杂度的人，应该也能判断出第一组效率最高，第四组效率最低，记住，得出这样的结论是这四段代码都是在同样的编译环境，运行环境下进行比对的。那么如何快速简单的判断代码的算法时间复杂度呢？可以通过以下的方式：

快速判断算法时间复杂度（适用于绝大多数简单的情况）

1.确定问题规模n

2.循环减半过程logn

3.k层关于n的循环n^k次方

其他复杂情况，根据算法执行过程判断，目前空间复杂度已经讨论的比较少了，简言之，“空间换时间”，以提高用户的体验。所以，现在我们可以很轻松的判断出上面四段代码的时间复杂度了，第一段代码是O(1)，第二段代码是O(n)，第三段代码是O(n^2)，第四段代码是O(n^3)。