时间复杂度+空间复杂度超级详细介绍（二分查找 流程图分析 一看就懂）

引入

首先看一个菲波那契数列的算法

int Fib(int N)
{
	if (N < 3)
		return 1;
	else
		return Fib(N - 1) + Fib(N-2);
}

写完这个算法后，首先思考一下这个算法是不是最好的？不是，是否还有什么可以改进的地方，其实，衡量一个算法的好坏，是用算法的复杂度来衡量的。

正文

1.算法效率

        算法效率分为两种：第一种是时间效率，第二种是空间效率。时间效率被称为时间复杂度，二空间效率被称为空间复杂度。时间复杂度主要衡量的是一个算法的运算速度，而空间复杂度主要衡量的是一个算法所需要的额外空间，在计算机发展的早期，计算机的存储容量很小。所以对空间复杂度很重视。但是经过计算机行业的发展，计算机的存储容量已经达到了很高的程度。所以如今我们已经不需要特别关注一个算法的空间复杂度了。

2.时间复杂度

2.1时间复杂度概念

        定义：在计算机科学中，算法的时间复杂度是一个函数，它定量的描述了该算法的运行时间。一个算法执行所耗费的时间，从理论上说，是不能算出来的，只有你吧你的程序放在机器上跑起来，才能知道。但是我们需要每个算法都在机器上测试吗？是可以都测试，但是很麻烦。所以才有了时间复杂度这个分析方式。一个算法所花费的时间与其语句的执行次数成正比，算法中的基本操作的执行次数，为算法的时间复杂度。

2.2大O的渐进表示法

我们先来看一个简单程序考虑一下该程序计算的次数：

// 请计算一下Func1基本操作执行了多少次？
void Func1(int N)
{
	int count = 0;
	for (int i = 0; i < N; ++i)
	{
		for (int j = 0; j < N; ++j)
		{
			++count;
		}
	}
	for (int k = 0; k < 2 * N; ++k)
	{
		++count;
	}
	int M = 10;
	while (M--)
	{
		++count;
	}
	printf("%d\n", count);
}

---

FNC1执行的基本次数：

                                                    

---

N = 10      F(N) = 130

N = 100    F(N) = 10210

N = 1000  F(N) = 1002010

基本语句： ++count ———>该语句的总的执行次数

       在这里，我们可以用这个数学表达式表示该程序的时间复杂度。它是关于问题规模N的数学表达式，计算算法中某条语句的总的执行次数。这里我们用大O的渐进表示法来表征一个算法的计算次数。

大O符号(Big O notation): 用于描述函数渐进行为的数学符号。

推导大O阶方法：

1. 用常数1取代运行时间中的所有加法常数。

说明：如果计算的F(N) = 100  则大O阶方法表示为:

                                                                            O(F(N)) = O(100)——>O(1)

也就是说，O(常数)就可以替换为O(1)。
2. 在修改后的运行次数函数中，只保留最高阶项。
说明：O(F(N))——>O(N^2)
3. 如果最高阶项存在且不是1，则去除与这个项目相乘的常数。得到的结果就是大O阶。
使用大O的渐进表示法以后，Func1的时间复杂度为：