概念理解: 时间复杂度 空间复杂度

一. 时间复杂度（time complexity）

在进行算法分析时，语句总执行次数T(n) 是关于问题规模 n 的函数。进而分析执行次数T(n) 随规模 n 的变化情况并确定T(n) 的数量级。

算法的时间复杂度就是算法的时间度量，记作T(n) = O( f(n) ) 。它表示随问题规模 n 的增大，算法的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，简称为时间复杂度。其中，f(n) 是问题规模 n 的某个函数。

常见的时间复杂度量级有：

• 常数阶O(1)
• 对数阶O(logN)
• 线性阶O(n)
• 线性对数阶O(nlogN)
• 平方阶O(n²)
• 立方阶O(n³)
• K次方阶O(n^k)
• 指数阶(2^n)

上面从上至下依次的时间复杂度越来越大，执行的效率越来越低。

二. 空间复杂度（space complexity）

作为算法所需存储空间的量度，记做S(n) = O( f(n) ) 。其中，n为问题的规模；f(n) 为语句关于 n 的所占存储空间的函数。

空间复杂度比较常用的有：O(1)、O(n)、O(n²)