数据结构与算法（二）时间复杂度和空间复杂度

时间复杂度：
在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，算法的时间量度记作：T(n)=o(f(n))，表示随着问题规模n的增大，算法执行时间的增长率也增大，称为算法的渐进时间复杂度，其中f(n)表示问题规模n的某个函数。（执行次数=时间）
一般来说，随着输入规模n的增大，T（n）增长最慢的算法为最优算法。
分析时间复杂度的方法：
a).用常数1取代运行时间中的所有加法常数；
b).在修改后的运行次数中，只保留最高阶项；
c).如果最高阶存在且不是1，则去除与这个项相乘的常数；
d).得到的最后结果就可以衡量时间复杂度；
例如：

     int a = 1;
            a = a + 1;
            a = a + 2;
            a = a + 3;
            a = a * 3 * a;
            //以上的时间复杂度为O(1);
            int b = 1;
            for (int i = 0; i < 100; i++)
            {
                b += 1;
            }
            //以上复杂度为O(n),这里n是100；
            int c = 1;
            for (int i = 0; i < 100; i++)
            {
                for (int j = 0; j < 100; j++)
                {
                    c += 1;
                }

            }
            //以上复杂度为O（n*n）,这里n是100；

常见的时间复杂度：


空间复杂度：
算法的空间复杂度指的是：通过计算算法所需要的存储空间，算法的空间复杂度的计算公式记作：S（n）=O(f(n))，其中n为问题的规模，f(n)为语句关于n所占存储空间的函数。以“时间复杂度”指运行时间的需求，用空间复杂度指空间需求。一般要求复杂度时，指时间复杂度。