我強烈推薦 Edison 關(guān)于 JavaScript 中 Big-O 復(fù)雜性的文章。這是我見過的關(guān)于該主題的最友好的文章。

文章不再可用

當(dāng)我用流程圖可視化 Big-O 時間復(fù)雜度時，我將向 Edison 學(xué)習(xí)要點。

Olog(n)

對數(shù)時間

我直觀地理解時間復(fù)雜度的方法是查看迭代器（例如 i*2），并查看函數(shù)有多少個循環(huán)。

在）

線性時間



線性時間和對數(shù)時間看起來很相似，但由于循環(huán)條件的不同，輸出有所不同。 exampleLogarithmic(100) 將返回 1, 2, 4, 8, 16, 32, 64，而 exampleLinear(100) 只是循環(huán)遍歷 100 以下的所有正整數(shù)。

O(n^2)

二次時間



循環(huán)次數(shù)與 n 的指數(shù)一致。您可以從字面上看到隨著時間復(fù)雜度的增加，函數(shù)變得越來越大。

O(n^3)

立方時間



這不是理解時間復(fù)雜度的唯一方法，但從字面上看到函數(shù)隨著時間復(fù)雜度的增加而變長確實很有幫助。有時，代碼是用白紙黑字寫成的

。視覺學(xué)習(xí)者無法理解積木的意義。

<p>現(xiàn)在我們來做一個測驗。這個函數(shù)的時間復(fù)雜度是多少？</p>

<p>猜猜看...<br><br>
<img src="/static/imghw/default1.png" data-src="https://img.php.cn/upload/article/000/000/000/173601046526425.jpg" class="lazy" alt="Big O Notation: Understanding Time Complexity using Flowcharts"><br><br>
是線性的！我可以這么說，因為有一個循環(huán)，并且迭代器不會導(dǎo)致循環(huán)跳過任何整數(shù)。</p>

<p>這個函數(shù)的時間復(fù)雜度是多少？<br><br>
<img src="/static/imghw/default1.png" data-src="https://img.php.cn/upload/article/000/000/000/173601046682236.jpg" class="lazy" alt="Big O Notation: Understanding Time Complexity using Flowcharts"><br><br>
不要懷疑自己。雖然這與第一個示例有點不同，但它具有線性時間復(fù)雜度。</p>

<p>這個函數(shù)的時間復(fù)雜度是多少？<br><br>
<img src="/static/imghw/default1.png" data-src="https://img.php.cn/upload/article/000/000/000/173601046719860.jpg" class="lazy" alt="Big O Notation: Understanding Time Complexity using Flowcharts"><br><br>
您可能會在這里看到一種模式。這是線性的！</p><p>現(xiàn)在，如果您一直遵循我的邏輯，這可能是一個棘手的問題：<br><br>
<img src="/static/imghw/default1.png" data-src="https://img.php.cn/upload/article/000/000/000/173601046876014.jpg" class="lazy" alt="Big O Notation: Understanding Time Complexity using Flowcharts"></p>

<p>我說過指數(shù)n表示的循環(huán)數(shù)被提升到。那么為什么它的時間復(fù)雜度是線性的而不是二次的呢？</p>

<p>如果它在另一個 for 循環(huán)中顯示一個 for 循環(huán)，那么時間復(fù)雜度將是二次方。然而，一個 for 循環(huán)在<em>之后運行</em>另一個 for 循環(huán)的時間復(fù)雜度不是二次的，而是線性的。</p>

<p>好的，那么這個函數(shù)的時間復(fù)雜度是多少？<br><br>
<img src="/static/imghw/default1.png" data-src="https://img.php.cn/upload/article/000/000/000/173601046913700.jpg" class="lazy" alt="Big O Notation: Understanding Time Complexity using Flowcharts"><br><br>
這里沒有什么棘手的。這具有二次時間復(fù)雜度。</p>

<p>現(xiàn)在，對于你的最后一個問題 - 一個質(zhì)疑所有其他問題的問題 - 這個函數(shù)的時間復(fù)雜度是多少？<br><br>
<img src="/static/imghw/default1.png" data-src="https://img.php.cn/upload/article/000/000/000/173601047060673.jpg" class="lazy" alt="Big O Notation: Understanding Time Complexity using Flowcharts"><br><br>
我希望您正在查看 for 循環(huán)的條件以及循環(huán)的絕對數(shù)量。由于循環(huán)條件 i<n>

<p>我用我的應(yīng)用程序生成了這篇文章中的圖像，我在另一篇文章中描述了其開發(fā)過程：</p>

<p><img src="/static/imghw/default1.png" data-src="https://img.php.cn/upload/article/000/000/000/173601047160481.jpg" class="lazy" alt="Big O Notation: Understanding Time Complexity using Flowcharts">[</p>

<h2>
  
  
  如何在 Lighthouse 上獲得 100
</h2>

<h3>
  
  
  末德明亞德 ? 2020 年 8 月 30 日 ? 閱讀 2 分鐘
</h3>

<h2>
  
  
  webperf#speed#javascript#webdev
</h2>

<p>](/ender_minyard/how-i-got-100-on-lighthouse-2icd)</p>


          

            
        </n></p>

以上是大 O 表示法：使用流程圖了解時間復(fù)雜度的詳細(xì)內(nèi)容。更多信息請關(guān)注PHP中文網(wǎng)其他相關(guān)文章！