算法时间复杂度与空间复杂度

算法时间复杂度定义：在进行算法分析时，语句的执行次数T（n）是关于问题规模n的函数，进而分析T（n）随n的变化情况并确定T（n）的数量级。算法的时间复杂度，也是算法的时间量度，计作：T（n）=O(f(n)).它表示随问题规模n的增大，算法执行时间的增长率和f（n）的增长率相同，称作算法的渐进时间复杂度，也简称为时间复杂度。其中f（n）是问题规模n的某个函数

推导大0阶方法
.1 用常数1取代运行时间的所有加法常数
.2 在修改后的运行次数函数中，只保留最高次项
.3 如果最高次阶项存在并且不是1，则除去与这个项相乘的常数
得到的结果就是大O阶

一 常数阶（ .执行次数恒定，不会随着问题（n）的大小而改变）
如 ：int sum=0，n=100; //执行1次
sum = （1+n）*n/2； // 执行1次
printf（“%d”，sum）； // 执行1次
f（n）=3；
根据推导方法，3变1，无最高阶项。
所以时间复杂度为（O（1））；

二 线性阶（分析循环的情况）

int i;
for(i=9;i<n;i++){
//时间复杂度为O(1)的程序步骤序列
}

时间复杂度为O（n）;

三 对数阶

int count = 1;
while(count<n){
count = count * 2;//时间复杂度为O(1)的程序步骤序列
]

解释：每次count乘以2，有多少个2相乘大于n就会停止。
故 2^x=n ,两边取对数 log 2 2^x=log 2 n;
x=log 2 n;

四 平方阶

int i , j;
for(i=0;i<n;i++)
{
    for(j=0;i<n;j++)
    {
        //时间复杂度为O(1)的程序步骤序列
    }

}

时间复杂度为：O（n^2）;

int i , j;
for(i=0;i<n;i++)
{
    for(j=i;i<n;j++)
    {
        //时间复杂度为O(1)的程序步骤序列
    }

}

解释：执行次数：n+(n-1)+.…… +1= n（n+2）/2
时间复杂度为O（n^2）;

空间复杂度
算法的空间复杂度是通过计算算法所需要的存储空间实现，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。