【学习打卡】第1天 初识JavaScript算法

课程名称：JavaScript版数据结构与算法

课程章节：第2章 时间/空间复杂度计算

主讲老师：lewis

课程内容：

今天学习的内容包括：

2-1 时间复杂度计算——时间复杂度越小，运行时间越快。

2-2 空间复杂度计算——空间复杂度占用越小，代码越好。

课程收获：

时间复杂度：描述算法的运行时间，详见【图一】

相加：当同时存在两个时间复杂度时，以更大的时间复杂度为准 如：O(1) + O(n) = O(n)

相乘：嵌套循环复杂度相乘如：O(n) * O(n) = O(n²)

代码示例记录如下：

O(1)

let i = 0;
i+=1;

O(n)

for (let i = 0; i < n; i +=1){
    console.log(i);
}

O(1) + O(n) = O(n)

let i = 0;
i += 1;
for (let j = 0; j < n; j += 1){
    console.log(j);
}

O(n) * O(n) = O(n²)

for (let i = 0; i < n; i += 1){
    for (let j = 0; j < n; j += 1){
        console.log(i，j);
    }
}

O(logN)

let i=1;
while (i<n){
    console.log(i);
    i *= 2;
}

通过这些了解到：

时间复杂度排序：O(1) < O(logn) < O(n) < O(n²)

O(1)：代码中没有循环，代码本身只执行一次

O(n)：代码中有循环，代码会循环n次

当同时存在两个时间复杂度时，以更大的时间复杂度为准，如：O(1) + O(n) = O(n)

如存在嵌套循环，则复杂度相乘，如：O(n) * O(n) = O(n²)

空间复杂度：算法在运行过程中临时占用存储空间大小的量度

一个函数，用大O表示，比如O(1)、O(n)、O(n²)......

代码示例记录如下：

O(1)

let i = 0;
i+=1;

O(n)

const list = [];
for (let i = 0; i <n; i += 1) {
    list.push(i);
}

O(n²)

const matrix = [];
for (let i = 0; i<n; i += 1) {
    matrix.push([]);
    for (let j= 0; j <n; j += 1) {
        matrix[i].push(j);
    }
}

根据这两节内容，初步了解了时间复杂度和空间复杂度对程序的影响，初步了解到要想写出优秀的代码需要把控算法细节。初步了解了算法的魅力。

坚持学习，学习JavaScript算法，提升个人能力，写出优秀的代码，做出优秀的产品。