浅谈：时间复杂度、空间复杂度

【时间复杂度】

1.时间频度（语句频度）：一个算法中的语句执行的次数。记为T(n)
    时间频度的计算特点：

•         忽略常数项
•         忽略低次项
•         忽略系数

2.时间复杂度
若有某个辅助函数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熟，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。
    1）时间复杂度的计算方法：    eg:T(n)=4n^3+n^2+13

•         用常数1代替运行时间中的所有加法常数    T(n)=4n^3+n^2+1
•         修改后的运行次数函数中，只保留最高阶项    T(n)=4n^3
•         去除最高阶项的系数    T(n)=n^3

    2）常见的时间复杂度(由小到大):
        常数阶O(1)
            无论执行多少行代码，只要没有循环等的复杂结构，那么时间复杂度为O(1)
                int i=1;
                int j=2;
                ++i;
                j++;
                int m=i+j;
        对数阶O(log2n)
            在while循环中，如果i乘以2，i越来越接近n。假设循环x次后，i>n，此时循环退出，也就是2的x次方等于n，那么x=log2n。
            因此代码的时间复杂度为O(log2n)。如果i=i*3,则是O(log3n)
                int i=1;
                while(i<n){
                    i=i*2;
                }
        线性阶O(n)
            for循环里面的代码会执行n遍，因此它消耗的时间会随着n的变化而变化的，因此这类代码的时间复杂度为O(n)
                for(int i=0;i<n;i++){
                    j=i;
                    j++;
                }
        线性对数阶O(nlog2n)
            将事件复杂度为O(logn)的代码循环n遍，那么它的时间复杂度就为O(nlogn)
                for(int i=0;i<n;i++){
                    j=1;
                    while(j<n){
                        j=j*2;
                    }
                }
        平方阶O(n^2)
            2层n循环，它的时间复杂度就是O(n^2),如果将其中一层的n改为m,则时间复杂度为O(n*m)
                for(int i=0;i<n;i++){
                    for(int j=0;j<n;j++){
                        j=i;
                        j++;
                    }
                }
        立方阶O(n^3)
            3层n循环，它的时间复杂度就是O(n^3)
        k次方阶O(n^k)
            k层n循环，它的时间复杂度就是O(n^k)
        指数阶O(2^n)---尽量避免使用指数阶的算法
3.平均时间复杂度和最坏时间复杂度
    平均时间复杂度：所有可能的输入实例等概率出现的情况下，该算法的运行时间。
    最坏时间复杂度：就是一般讨论的时间复杂度。
    平均时间复杂度与最坏时间复杂度是否一致与算法有关。

【空间复杂度】

一个算法的空间复杂度定义为该算法所耗费的存储空间，是对一个算法在运行过程中临时占用存储空间大小的量度。
用户体验上，更看重程序的执行速度。一些缓存产品（redis,memcache）和算法（基数排序）本质就是空间换时间。