时间与空间复杂度基础

我们如何判断一个算法的好与坏，如何对比不同的算法呢。答案就是 时间复杂度 和1空间复杂的。

1.1 时间复杂度

1.1.1 大O表示法

大O表示法，也就是算的的渐进时间复杂度

T(n) = O(f(n))

当量级增加时，我们算法执行时间的一个增长的趋势。
此处的 f(n) 代表的就是算法执行的次数
O 则代表一个正比关系。

1.1.2 举例1

for (int i = 1; i <= n; i++){
   
	x++;
}

以上For Loop，有 N 层循环。
首先分析代码中各部分的执行次数：

1. 首先，int i = 1 是只执行一次的。
2. 之后是判断 i <= n；
3. 然后是 x++；
4. 再是 i++；
5. 返回2，继续执行，直到 i > n；

由此可见，一共执行的次数为 1 + 3n 次，所以有 O(1 + 3n) == O(N)。
最后为什么会被简化为 O(n)呢？原因是大O表示法计算的是执行次数n接近于无限大的比例。当n接近于无限大时，这个1（常数） 和 3 对整体的影响已经无所谓了。

1.1.3 举例2

for(int