透過 webpack 自動合併 ) – 支援延遲載入機制與伺服器渲染機制 (Node.js & ASP.NET ) • 學習曲線更低 – 採用 TypeScript 語法更簡潔 ( 類別、介面、屬性、方法 ) – 移除超過 40+ 個 directives • 平台支援更強大 – 支援 Browser, Node.js, NativeScript, React Native, … 11 Angular html', styleUrls: ['app.component.css'] }) export class AppComponent { title = 'app works!'; } 18 Angular 2 結構剖析 19 Angular 2 結構剖析 • Module 應用程式被切分成許多「模組」 • Component 每個模組下有許多「元件」 • Template

2 章 複雜度分析 17 2.1 演算法效率評估 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.2 迭代與遞迴 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.3 時間複雜度 Abstract 複雜度分析猶如浩瀚的演算法宇宙中的時空嚮導。 它帶領我們在時間與空間這兩個維度上深入探索，尋找更優雅的解決方案。 第 2 章 複雜度分析 www.hello‑algo.com 18 2.1 演算法效率評估 在演算法設計中，我們先後追求以下兩個層面的目標。 1. 找到問題解法：演算法需要在規定的輸入範圍內可靠地求得問題的正確解。 2. 尋求最優解法：同一個問題可能存在多 List tmp = []; for (int j = 0; j < n; j++) { tmp.Add(0); } numList.Add(tmp); } } 如圖 2‑18 所示，該函式的遞迴深度為 ? ，在每個遞迴函式中都初始化了一個陣列，長度分別為 ?、? − 1、 …、2、1 ，平均長度為 ?/2 ，因此總體佔用 ?(?2) 空間： 第 2 章 複雜度分析 www

2 章 複雜度分析 17 2.1 演算法效率評估 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.2 迭代與遞迴 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.3 時間複雜度 Abstract 複雜度分析猶如浩瀚的演算法宇宙中的時空嚮導。 它帶領我們在時間與空間這兩個維度上深入探索，尋找更優雅的解決方案。 第 2 章 複雜度分析 www.hello‑algo.com 18 2.1 演算法效率評估 在演算法設計中，我們先後追求以下兩個層面的目標。 1. 找到問題解法：演算法需要在規定的輸入範圍內可靠地求得問題的正確解。 2. 尋求最優解法：同一個問題可能存在多 List tmp = []; for (int j = 0; j < n; j++) { tmp.add(0); } numList.add(tmp); } } 如圖 2‑18 所示，該函式的遞迴深度為 ? ，在每個遞迴函式中都初始化了一個陣列，長度分別為 ?、? − 1、 …、2、1 ，平均長度為 ?/2 ，因此總體佔用 ?(?2) 空間： // === File: space_complexity

2 章 複雜度分析 17 2.1 演算法效率評估 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.2 迭代與遞迴 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.3 時間複雜度 Abstract 複雜度分析猶如浩瀚的演算法宇宙中的時空嚮導。 它帶領我們在時間與空間這兩個維度上深入探索，尋找更優雅的解決方案。 第 2 章 複雜度分析 www.hello‑algo.com 18 2.1 演算法效率評估 在演算法設計中，我們先後追求以下兩個層面的目標。 1. 找到問題解法：演算法需要在規定的輸入範圍內可靠地求得問題的正確解。 2. 尋求最優解法：同一個問題可能存在多 numMatrix := make([][]int, n) for i := 0; i < n; i++ { numMatrix[i] = make([]int, n) } } 如圖 2‑18 所示，該函式的遞迴深度為 ? ，在每個遞迴函式中都初始化了一個陣列，長度分別為 ?、? − 1、 …、2、1 ，平均長度為 ?/2 ，因此總體佔用 ?(?2) 空間： // === File: space_complexity

2 章 複雜度分析 17 2.1 演算法效率評估 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.2 迭代與遞迴 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.3 時間複雜度 Abstract 複雜度分析猶如浩瀚的演算法宇宙中的時空嚮導。 它帶領我們在時間與空間這兩個維度上深入探索，尋找更優雅的解決方案。 第 2 章 複雜度分析 www.hello‑algo.com 18 2.1 演算法效率評估 在演算法設計中，我們先後追求以下兩個層面的目標。 1. 找到問題解法：演算法需要在規定的輸入範圍內可靠地求得問題的正確解。 2. 尋求最優解法：同一個問題可能存在多 { val tmp = mutableListOf() for (j in 0..18 所示，該函式的遞迴深度為 ? ，在每個遞迴函式中都初始化了一個陣列，長度分別為 ?、? − 1、 …、2、1 ，平均長度為 ?/2 ，因此總體佔用 ?(?2) 空間： // === File: space_complexity

2 章 複雜度分析 17 2.1 演算法效率評估 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.2 迭代與遞迴 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.3 時間複雜度 Abstract 複雜度分析猶如浩瀚的演算法宇宙中的時空嚮導。 它帶領我們在時間與空間這兩個維度上深入探索，尋找更優雅的解決方案。 第 2 章 複雜度分析 www.hello‑algo.com 18 2.1 演算法效率評估 在演算法設計中，我們先後追求以下兩個層面的目標。 1. 找到問題解法：演算法需要在規定的輸入範圍內可靠地求得問題的正確解。 2. 尋求最優解法：同一個問題可能存在多 = new ArrayList<>(); for (int j = 0; j < n; j++) { tmp.add(0); } numList.add(tmp); } } 如圖 2‑18 所示，該函式的遞迴深度為 ? ，在每個遞迴函式中都初始化了一個陣列，長度分別為 ?、? − 1、 …、2、1 ，平均長度為 ?/2 ，因此總體佔用 ?(?2) 空間： 第 2 章 複雜度分析 www

2 章 複雜度分析 17 2.1 演算法效率評估 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.2 迭代與遞迴 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.3 時間複雜度 Abstract 複雜度分析猶如浩瀚的演算法宇宙中的時空嚮導。 它帶領我們在時間與空間這兩個維度上深入探索，尋找更優雅的解決方案。 第 2 章 複雜度分析 www.hello‑algo.com 18 2.1 演算法效率評估 在演算法設計中，我們先後追求以下兩個層面的目標。 1. 找到問題解法：演算法需要在規定的輸入範圍內可靠地求得問題的正確解。 2. 尋求最優解法：同一個問題可能存在多 0; j < n; j++) { tmp.push(0); 第 2 章 複雜度分析 www.hello‑algo.com 47 } numList.push(tmp); } } 如圖 2‑18 所示，該函式的遞迴深度為 ? ，在每個遞迴函式中都初始化了一個陣列，長度分別為 ?、? − 1、 …、2、1 ，平均長度為 ?/2 ，因此總體佔用 ?(?2) 空間： // === File: space_complexity

2 章 複雜度分析 17 2.1 演算法效率評估 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.2 迭代與遞迴 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.3 時間複雜度 Abstract 複雜度分析猶如浩瀚的演算法宇宙中的時空嚮導。 它帶領我們在時間與空間這兩個維度上深入探索，尋找更優雅的解決方案。 第 2 章 複雜度分析 www.hello‑algo.com 18 2.1 演算法效率評估 在演算法設計中，我們先後追求以下兩個層面的目標。 1. 找到問題解法：演算法需要在規定的輸入範圍內可靠地求得問題的正確解。 2. 尋求最優解法：同一個問題可能存在多 0; j < n; j++) { tmp.push(0); 第 2 章 複雜度分析 www.hello‑algo.com 47 } numList.push(tmp); } } 如圖 2‑18 所示，該函式的遞迴深度為 ? ，在每個遞迴函式中都初始化了一個陣列，長度分別為 ?、? − 1、 …、2、1 ，平均長度為 ?/2 ，因此總體佔用 ?(?2) 空間： // === File: space_complexity

2 章 複雜度分析 17 2.1 演算法效率評估 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.2 迭代與遞迴 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.3 時間複雜度 Abstract 複雜度分析猶如浩瀚的演算法宇宙中的時空嚮導。 它帶領我們在時間與空間這兩個維度上深入探索，尋找更優雅的解決方案。 第 2 章 複雜度分析 www.hello‑algo.com 18 2.1 演算法效率評估 在演算法設計中，我們先後追求以下兩個層面的目標。 1. 找到問題解法：演算法需要在規定的輸入範圍內可靠地求得問題的正確解。 2. 尋求最優解法：同一個問題可能存在多 二維串列佔用 O(n^2) 空間 let numList = Array(repeating: Array(repeating: 0, count: n), count: n) } 如圖 2‑18 所示，該函式的遞迴深度為 ? ，在每個遞迴函式中都初始化了一個陣列，長度分別為 ?、? − 1、 …、2、1 ，平均長度為 ?/2 ，因此總體佔用 ?(?2) 空間： // === File: space_complexity

2 章 複雜度分析 17 2.1 演算法效率評估 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.2 迭代與遞迴 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.3 時間複雜度 Abstract 複雜度分析猶如浩瀚的演算法宇宙中的時空嚮導。 它帶領我們在時間與空間這兩個維度上深入探索，尋找更優雅的解決方案。 第 2 章 複雜度分析 www.hello‑algo.com 18 2.1 演算法效率評估 在演算法設計中，我們先後追求以下兩個層面的目標。 1. 找到問題解法：演算法需要在規定的輸入範圍內可靠地求得問題的正確解。 2. 尋求最優解法：同一個問題可能存在多 === ### 平方階 ### def quadratic(n) # 二維串列佔用 O(n^2) 空間 Array.new(n) { Array.new(n, 0) } end 如圖 2‑18 所示，該函式的遞迴深度為 ? ，在每個遞迴函式中都初始化了一個陣列，長度分別為 ?、? − 1、 …、2、1 ，平均長度為 ?/2 ，因此總體佔用 ?(?2) 空間： # === File: space_complexity