【数据结构】时间复杂度

前言
最近稍微看了看LeetCode，里面的一些题目都要考虑时间复杂度、空间复杂度，那时间复杂度和空间复杂度分别是什么含义？

---

算法复杂度分为时间复杂度和空间复杂度。

时间复杂度——指执行算法所需要的计算工作量；
空间复杂度——指执行这个算法所需要的内存空间。

---

1 时间复杂度

1.1 概念

时间复杂度（时间复杂性），定性的描述算法的运行时间，这是一个代表算法输入值的字符串的长度的函数。

时间复杂度常用大O符号表述，不包括这个函数的低阶项和首项系数。使用这种方式时，时间复杂度可被称为是渐近的，亦即考察输入值大小趋近无穷时的情况。

1.2 理解

参考：一套图 搞懂“时间复杂度”

例：给你一条长n寸的面包，每10天吃掉1寸，那么吃掉整个面包需要几天？
答：$10n$，$T(n)=10n$

例：给你一条长n寸的面包，吃掉第1寸需要1天时间，吃掉第2存需要2天时间，吃掉第3存需要3天时间……那么吃掉整个面包需要几天？
答：$1+2+3+......+n-1+n=(1+n)\ast n/2=0.5n^2+0.5n$，$T(n)=0.5n^2+0.5n$

算法A的相对时间是$T(n)=10n$
算法B的相对时间是$T(n)=50.5n^2+0.5n$

这两个到底谁的运行时间更长一些？这就要看n的取值了。

所以，这时候有了渐进时间复杂度（asymptotic time complexity）的概念，官方的定义如下：

若存在函数 f(n)，使得当n趋近于无穷大时，T(n)/ f(n)的极限值为不等于零的常数，则称 f(n)是T(n)的同数量级函数。

记作$T(n)=O(f(n))$，称$O(f(n))$为算法的渐进时间复杂度，简称时间复杂度。

渐进时间复杂度用大写O来表示，所以也被称为大O表示法。

直白地讲，时间复杂度就是把时间规模函数$T(n)$简化为一个数量级，这个数量级可以是$n$、$n^2$、$n^3$……

1.3 举例

时间规模函数	时间复杂度
$T(n)=2$	$T(n)=O(1)$
$T(n)=3n$	$T(n)=O(n)$
$T(n)=0.5n^2+0.5n$	$T(n)=O(n^2)$
$T(n)=5logn$	$T(n)=O(logn)$

时间复杂度排序：$O(1)<O(logn)<O(n)<O(n^2)$

其它形式的时间复杂度：$O(nlogn)$、$O(n^3)$、$O(m\ast n)$、$O(2^n)$、$O(n!)$

2 空间复杂度