时间复杂度分析快速入门：题型分类法

时间复杂度分析快速入门：题型分类法-吴师兄学编程

最近，有不少读者留言或私信问我时间复杂度的分析方法。时间复杂度说难也不难，说简单也不简单，但它一定是我们学习算法的过程中过不去的一道坎。这篇文章就想给大家介绍一种快速分析时间复杂度的方法 —— 题型分类法。

网络上关于时间复杂度分析的文章，大部分都充斥着教材里的陈词滥调：先讲一大堆数学概念，什么增长速度、渐进复杂度，看得让人摸不着头脑。我今天的文章不想跟你讲这些虚的，只想跟你讲讲最实用的技巧，让你迅速搞定面试中的时间复杂度分析。

我们在面试中需要分析时间复杂度，无非是以下两种情况：

• 在写代码之前，预估自己代码的时间复杂度
• 写好代码之后，给面试官分析代码的时间复杂度

无论是哪种情况，你一定都清楚这道题的题型。那么只要记住不同题型的时间复杂度分析方法，二叉树套用二叉树的分析法、动态规划套用动态规划的分析法，就能做到快速分析时间复杂度了。

下面是我总结出的不同题型的时间复杂度分析方法：

题型 时间复杂度
分析方法 数组
链表
动态规划 数循环法 二叉树
回溯法
DFS/BFS 整体法 分治法
二分查找 log n 分析法

本文将介绍「数循环法」与「整体法」两种方法、六类题型的全部分析技巧。针对这六类题型，文末有按不同题型分类的往期文章回顾，供大家参考！

一、数循环法

数循环法，就是看代码中有几个循环、每个循环会执行几次，来确定算法的时间复杂度。

我们必须要掌握的一个基础知识是：在程序的三大基本结构（顺序、分支、循环）中，只有循环能真正影响时间复杂度。一般情况下，我们可以直接忽略代码中的顺序结构、分支结构，直接看循环结构来判断时间复杂度。

程序的三大基本结构

数循环法典型题型：动态规划类题目

「数循环法」最典型的题型就是动态规划了。我们以一道经典的「最长公共子序列（LCS）」问题来看看数循环法是怎么发挥作用的。

（以下题解代码来自文章：LeetCode 例题精讲 | 15 最长公共子序列：二维动态规划的解法，不了解 LCS 问题或不清楚解法的同学，可以参考这篇文章。）

最长公共子序列（LCS）的题解代码如下：

public int longestCommonSubsequence(String s, String t) {
    if (s.isEmpty() || t.isEmpty()) {
        return 0;
    }
    int m = s.length();
    int n = t.length();
    int[][] dp = new int[m+1][n+1];
    for (int i = 0; i <= m; i++) {
        for (int j = 0; j <= n; j++) {
            if (i == 0 || j == 0) {
                dp[i][j] = 0;
            } else {
                if (s.charAt(i-1) == t.charAt(j-1)) {
                    dp[i][j] = dp[i-1][j-1] + 1;
                } else {
                    dp[i][j] = Math.max(dp[i-1][j], dp[i][j-1]);
                }
            }
        }
    }
    return dp[m][n];
}

根据数循环法的基本思路，我们可以直接忽略掉代码中的各个细节，只看循环结构：

public int longestCommonSubsequence(String s, String t) {
    ...
    for (int i = 0; i <= m; i++) {
        for (int j = 0; j <= n; j++) {
            ...
        }
    }
    ...
}

数循环法要数两个东西：循环的层数、每个循环执行的次数。在这个例子中，代码有两个循环，都是简单的 for-i 循环：

• 外层循环，执行 次，数量级是 ；
• 内层循环，执行 次，数量级是 。

那么，算法的时间复杂度就是内外层循环次数之积，也就是 。

循环的不同层数：数组类题目

很多数组类题目也可以用数循环法来分析时间复杂度。根据题目和解法的不同，循环可能有 1~3 层。数循环法对于不同层数的循环都是有效的。

例如，经典的「最大子数组和」题目（LeetCode 53. Maximum Subarray Sum），从暴力的三重循环到动态规划的单层循环解法都有。

• 暴力法，三重循环：

public int maxSubArray(int[] nums) {
    int n = nums.length;
    int res = Integer.MIN_VALUE;
    for (int i = 0; i < n; i++) {
        for (int j = i; j < n; j++) {
            int sum = 0;
            for (int k = i; k <= j; k++) {
                sum += nums[k];                    
            }
            res = Math.max(res, sum);
        }
    }
    return res;
}

时间复杂度 。

• 暴力法改进，二重循环：

public int maxSubArray(int[] nums) {
    int n = nums.length;
    int res = Integer.MIN_VALUE;
    for (int i = 0; i < n; i++) {
        int sum = 0;
        for (int j = i; j < n; j++) {
            sum += nums[j];
            res = Math.max(res, sum);
        }
    }
    return res;
}

时间复杂度 。

• 动态规划解法，一层循环：

public int maxSubArray(int[] nums) {
    int n = nums.length;
    int[] dp = new int[n+1];
    dp[0] = 0;

    int res = Integer.MIN_VALUE;
    for (int k = 1; k <= n; k++) {
        dp[k] = Math.max(dp[k-1], 0) + nums[k-1];
        res = Math.max(res, dp[k]);
    }
    return res;
}

时间复杂度 。

不理解问题的动态规划解法原理的同学，可以参考这篇文章：LeetCode 例题精讲 | 16 最大子数组和：子数组类问题的动态规划技巧

while 循环的处理方式：链表类题目

在上面的例子中，代码中的循环都是简单的 for-i 循环。有些情况下，代码中的循环是 while 循环，或是一些复杂的 for 循环。对于这种情况，我们就需要仔细分析循环的执行次数。

链表题型会经常用到 while 循环。我们用这道经典的「快慢指针」题目进行分析：LeetCode 876 – Middle of the Linked List。

（以下题解代码来自文章：LeetCode 例题精讲 | 05 双指针×链表问题：快慢指针，对题目或解法不了解的同学可以参考。）

public ListNode middleNode(ListNode head) {
    ListNode fast = head;
    ListNode slow = head;
    while (fast != null && fast.next != null) {
        // fast 一次前进两个元素，slow 一次前进一个元素
        fast = fast.next.next;
        slow = slow.next;
    }
    // 链表元素为奇数个时，slow 指向链表的中点
    // 链表元素为偶数个时，slow 指向链表两个中点的右边一个
    return slow;
}

可以看到，while 循环在 fast 指针到达链表尾部时结束。而 fast 指针初始位于链表的头部，一次前进两个元素。设链表的长度为 ，那么这个 while 循环会执行 次，时间复杂度是 （也可以写成 ，数量级是一样的）。

二、整体法

整体法一般涉及到递归和数据结构，不能直接用循环次数判定时间复杂度，而是要看代码中处理了几个元素，来确定算法的时间复杂度。

使用整体法进行分析的题型有：二叉树、回溯法、DFS、BFS 等。下面我们分别举例介绍。

二叉树：看结点的个数

《LeetCode 例题精讲》系列中写过好几次二叉树的解题技巧。这些二叉树问题的解法都有一个共性：

• 使用递归遍历二叉树
• 二叉树的每个结点都遍历一次

实际上，大部分二叉树问题都可以使用子问题方法与「三步走」套路来求解。我专门写过一篇文章总结二叉树问题的套路：二叉树问题太复杂？「三步走」方法解决它！

二叉树问题既然都是用递归求解，就没有循环来让我们使用「数循环法」。这时候，我们就需要使用整体法，通过遍历结点的个数来判断时间复杂度。

二叉树问题的时间复杂度离不开一个变量 ，也就是二叉树结点的数量。对于大部分简单的二叉树问题，代码都是只遍历每个结点一次。这种情况下，算法的时间复杂度就是 。

不过对于稍难一些的题目，也可能出现「重复遍历」的情况。例如 LeetCode 437. Path Sum III 这道题：

给定一个二叉树，它的每个结点都存放着一个整数值。找出路径和等于给定数值的路径总数。

路径不需要从根结点开始，也不需要在叶结点结束，但是路径方向必须是向下的（只能从父结点到子结点）。

由于题目中的路径可能位于二叉树的中部，不少人会写出这样的题解代码：

public int pathSum(TreeNode root, int sum) {
    if (root == null) {
        return 0;
    }
    return rootPathSum(root, sum)
        + pathSum(root.left, sum)
        + pathSum(root.right, sum);
}

int rootPathSum(TreeNode root, int sum) {
    if (root == null) {
        return 0;
    }
    int target = sum - root.val;
    return (target == 0 ? 1 : 0) 
        + rootPathSum(root.left, target)
        + rootPathSum(root.right, target);
}

这是一个典型的「双递归」代码，存在 pathSum 和 rootPathSum 两个递归函数，它们会相互调用。这样，一个结点会不止遍历一次，算法的时间复杂度就不能简单地用 来表示。

也就是说，如果想在二叉树问题中写出 时间复杂度的代码，我们需要保证一个结点只会被遍历一次。

回溯法：看结果的个数

回溯法类题目有一个非常简单的时间复杂度分析指南：有多少个结果，时间复杂度就是多少。例如：

• LeetCode 78. Subsets，求数组所有可能的子集。对于大小为 的数组，所有可能的子集的个数为 ，那么回溯算法的时间复杂度就是 。
• LeetCode 46. Permutations，求数组所有可能的全排列。对于大小为 的数组，所有可能的全排列的个数为 （阶乘），那么回溯算法的时间复杂度就是 。

为什么是这样分析的呢？这是因为回溯法的原理就是不断尝试可能的结果，遇到走不通的地方再撤回（回溯）尝试下一个方案。那么，回溯法尝试的次数和结果的次数是相对应的。我们可以根据结果的数量级来判断回溯法的时间复杂度。

需要注意的时，回溯算法的时间复杂度一般都很大，如 、、 之类的。这是回溯法的特点决定的，一般也不需要做进一步的优化。

DFS/BFS：看元素的个数

很多同学还没有掌握 DFS/BFS 类题目分析的窍门。其实这类题目的分析方法很简单：不论是 DFS 还是 BFS，都是用来遍历所有元素的，那么算法的时间复杂度就是元素的个数！例如：

• 如果是遍历二叉树，设二叉树的结点个数为 ，那么 DFS/BFS 的时间复杂度就是 ；
• 如果是遍历图，设图中的结点个数为 ，那么 DFS/BFS 的时间复杂度就是 ；
• 如果是遍历网格结构，设二维网格的边长是 ，那么 DFS/BFS 的时间复杂度就是 。

DFS 代码一般是使用递归，只能使用整体法。而 BFS 代码中一般会有 1~2 层的循环。有的同学可能会疑惑于究竟使用数循环法还是整体法。例如 BFS 层序遍历：

// 二叉树的层序遍历
void bfs(TreeNode root) {
    Queue<TreeNode> queue = new ArrayDeque<>();
    queue.add(root);
    while (!queue.isEmpty()) {
        int n = queue.size();
        for (int i = 0; i < n; i++) { 
            // 变量 i 无实际意义，只是为了循环 n 次
            TreeNode node = queue.poll();
            if (node.left != null) {
                queue.add(node.left);
            }
            if (node.right != null) {
                queue.add(node.right);
            }
        }
    }
}

（关于 BFS 层序遍历的详细讲解，参见文章：LeetCode 例题精讲 | 13 BFS 的使用场景：层序遍历、最短路径问题）

在这段代码中，使用了两层循环，乍一看是平方级别的时间复杂度。然而，内层循环的次数 是非常有限的，并不能简单地将这段代码的时间复杂度分析为平方级别。

如果用整体法来分析的话。考虑队列 queue，二叉树的每个结点都会进队一次、出队一次。那么循环的次数恰好也是二叉树的结点数。设二叉树的结点个数是 ，则算法的时间复杂度是 。

因此，我们在分析 BFS 算法的时间复杂度时，要使用整体法，而不要关注具体的循环。

本文介绍了两种时间复杂度分析方法：「数循环法」与「整体法」，用于分析六类题型：动态规划、数组、链表、二叉树、回溯法、DFS/BFS。基本上已经涵盖了常见的算法题目种类。

准备面试的时间总是有限的。在准备算法题时，我们的主要精力还是要放在题目的解法上。时间复杂度分析的学习不应追求面面俱到，而是先做到能上手分析，后续再不断补充学习。希望本文列举的时间复杂度分析方法能够对你有所帮助。

关于分治法、二分搜索的时间复杂度，由于分析方法比较复杂，在后面会有专门的文章详细讲解，敬请期待。

以下是与六类题型相关的往期文章分类回顾：

动态规划：

• LeetCode 例题精讲 | 18 前缀和：空间换时间的技巧

DFS/BFS：

原创不易，欢迎分享、点赞和「在看」 ⇩