时间复杂度是衡量算法效率的核心指标，优化可提升性能与体验。1. 理解O(1)、O(n)、O(n²)、O(log n)等表示法，识别高复杂度操作；2. 减少嵌套循环，如用哈希表将两数之和从O(n²)降为O(n)；3. 善用Set、Map及内置方法filter、map等提高效率；4. 排序预处理结合双指针可优化查找；5. 递归中使用记忆化避免重复计算，如斐波那契数列从O(2^n)降至O(n)；6. 权衡时间、空间与可读性，选择最优解。
在JavaScript开发中，算法的执行效率直接影响程序性能，尤其在处理大量数据或高频操作时，时间复杂度成为衡量算法优劣的关键指标。优化算法不只是让代码跑得更快，更是提升用户体验和系统稳定性的基础。本文从时间复杂度分析入手，结合常见场景，介绍几种实用的优化策略。
理解时间复杂度：评估算法效率的核心工具
时间复杂度描述算法运行时间随输入规模增长的变化趋势，通常用大O符号表示。例如：
- O(1)：常数时间，如数组索引访问
- O(n)：线性时间，如遍历数组
- O(n²)：平方时间，如嵌套循环比较
- O(log n)：对数时间，如二分查找
实际开发中，应优先识别高复杂度操作。比如在一个数组去重函数中使用双重循环（O(n²)），当数据量增大时性能急剧下降，这就是典型的可优化点。
减少嵌套循环：避免不必要的重复计算
嵌套循环是导致高时间复杂度的常见原因。以查找数组中两数之和等于目标值为例：
立即学习“Java免费学习笔记（深入）”；
低效写法（O(n²)）：
function twoSum(arr, target) {for (let i = 0; i for (let j = i + 1; j if (arr[i] + arr[j] === target) return [i, j];
}
}
}
优化方案：使用哈希表存储已访问元素，将查找变为O(1)操作：
function twoSum(arr, target) {const map = new Map();
for (let i = 0; i const complement = target - arr[i];
if (map.has(complement)) {
return [map.get(complement), i];
}
map.set(arr[i], i);
}
}
时间复杂度降至O(n)，空间换时间的经典应用。
善用内置方法与数据结构
JavaScript提供了多种高效的数据结构和方法，合理使用能显著提升性能：
- Set 和 Map：查找、插入、删除平均O(1)，优于数组的indexOf（O(n)）
- filter、map、reduce：虽然本质仍是遍历，但底层优化程度高，语义清晰
- 排序预处理：有时先排序（O(n log n)）可为后续操作提速，如双指针技巧
例如去重操作：
// 推荐写法 const unique = [...new Set(arr)];比使用filter + indexOf组合更简洁且性能更好。
分治与递归优化：避免重复子问题
递归算法如斐波那契数列若不加优化，会产生大量重复计算：
// 未经优化：O(2^n) function fib(n) {if (n return fib(n - 1) + fib(n - 2);
}
通过记忆化缓存中间结果，可将复杂度降为O(n)：
function fib(n, memo = {}) {if (n in memo) return memo[n];
if (n memo[n] = fib(n - 1, memo) + fib(n - 2, memo);
return memo[n];
}
动态规划思想的简单体现，避免重复路径计算。
基本上就这些。关键在于识别瓶颈、选择合适的数据结构、减少冗余操作。时间复杂度优化不是一味追求最低O值，而是在可读性、空间占用和执行效率之间找到平衡。
