算法时间复杂度和空间复杂度

定义：

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

算法的时间复杂度，也就是算法的时间度量，记作：T(n) = O( f(n) )。它表示随着问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐近时间复杂度，简称为时间复杂度。其中f(n)是问题规模n的某个函数。

这样用大写O()来体现算法时间复杂度的记法，我们称之为大O记法。
一般情况下，随着输入规模n的增大，T(n)增长最慢的算法为最优算法。

分析

如何分析一个算法额时间复杂度呢？即如何推导大O阶？

1、用常数1取代运行时间中的所有加法常数。
2、在修改后的运行次数函数中，只保留最高阶项。
3、如果最高阶项存在且不是1，则去除与这个项相乘的常数。
4、得到的最后结果就是大O阶。

线性阶

一般含有非嵌套循环设计线性阶，线性阶就是随着问题规模n的扩大，对应计算次数呈直线增长。

平方阶