数据结构：时间复杂度与空间复杂度

算法的复杂度 ：

首先，算法的时间复杂度与空间复杂度 统称为算法的复杂度。

时间复杂度：

时间复杂度其实就是一个函数，，该函数计算的是执行基本操作的次数。

算法分析的分类：

算法存在最好、平均和最坏情况：
最坏情况：任意输入规模的最大运行次数(上界)
平均情况：任意输入规模的期望运行次数
最好情况：任意输入规模的最小运行次数，通常最好情况不会出现 (下界)
在实际中通常关注的是算法的最坏运行情况，即:任意输入规模N，算法的最长运行时间。理由如下：

一个算法的最坏情况的运行时间是在任意输入下的运行时间上界
对于某些算法，最坏的情况出现的较为频繁
大体上看，平均情况与最坏情况一样差
因此：一般情况下使用O渐进表示法来计算算法的时间复杂度

时间复杂度之大O渐进表示法

一个算法语句总的执行次数是关于问题规模N的某个函数，记为f(N)，N 称为问题的规模。语句总的执行次数记为T(N)，当N不断变化时，T(N)也 在变化，算法执行次数的增长速率和f(N)的增长速率相同。则有T(N) = O(f(N))，称O(f(n))为时间复杂度的O渐进表示法。

空间复杂度：

空间复杂度：函数中创建对象的个数关于问题规模函数表达式，一般情况下用O 的渐进表示法表示

时间复杂度与空间复杂度的计算：

一般的时间复杂度的算法：
1.用常数1取代运行时间中的所有加法常数
2.在修改后的运行次数函数中，只保留最高阶项
3.如果最高阶项系数存在且不是1，则去除与这个项相乘的常数

下面举个例子：