时间复杂度和空间复杂度

为了找到最适合当前问题而估量“算法”的评价s

时间复杂度	空间复杂度
执行效率：根据算法编写出的程序，执行时间越短，效率就越高	占用的内存空间：不同算法编写出的程序，执行时占用的内存空间也不相同。如果实际场景中仅能使用少量的内存空间，就要优先选择占用空间最少的算法

时间复杂度（时间复杂度用来预估算法的执行时间）

时间复杂度计算的执行步骤：

1. 统计算法中各个步骤的执行次数
2. 简化算法的执行次数（类似数学中的“求导”）
3. 用大 O 标记法表示算法的时间复杂度 O (频度)

常用的几种时间复杂度的比较：

O( 1 ) < O( log(n) ) < O( n ) < O( n^2 ) < O( n^3 ) < O( 2^n )

空间复杂度（空间复杂度用来估算一个算法执行时占用的内存大小）

 空间复杂度计算的主要因素：

• 程序代码本身所占用的存储空间
• 如果需要输入输出数据，也会占用一定的存储空间
• 运行过程中，可能还需要临时申请更多的存储空间（这种影响比较大）

空间复杂度的估算方法（按额外申请的算）

如果算法中额外申请的内存空间不受用户输入值的影响（是一个固定值），那么该算法的空间复杂度：	O(1)
如果随着输入值 n 的增大，算法申请的存储空间成线性增长，则程序的空间复杂度是	O(n)
如果随着输入值 n 的增大，程序申请的存储空间成 n^2 关系增长，则程序的空间复杂度用	O(n^2)
如果随着输入值 n 的增大，程序申请的存储空间成 n^3 关系增长，则程序的空间复杂度用	O(n^3)

（多数场景中，挑选 “好” 算法往往更注重的是时间复杂度，空间复杂度只要处于一个合理的范围即可）