什么是算法复杂度

        算法的复杂度分为时间复杂度和空间复杂度

一、时间复杂度

        时间复杂度反映了算法时间随输入规模增长而增长的量级。算法花费的时间与算法中语句的执行次数成正比例。一个算法中的语句执行次数称为语句频度或时间频度，记为T(n)。一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数，用T(n)表示，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数，则称f(n)是T(n)的同数量级函数。记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。T (n) = Ο(f (n)) 表示存在一个常数C，使得在当n趋于正无穷时总有 T (n) ≤ C * f(n)。T(n)=n2+3n+4与T(n)=4n2+2n+1它们的频度不同，但时间复杂度相同，都为O(n2)。

1. 算法中语句执行次数为一个常数，则时间复杂度为O(1)。
2. O(log n)，对数时间，二分查找。
3. O(n)，线性时间，简单查找。
4. O(n logn)，快速排序——速度较快的排序算法。
5. O(n²)，选择排序——速度较慢的排序算法。
6. O(n!)，旅行商问题的解决方案——非常慢的算法。

        常见的算法时间复杂度由小到大依次为：Ο(1)＜Ο(log2n)＜Ο(n)＜Ο(nlog2n)＜Ο(n2)＜Ο(n3)＜…＜Ο(2n)＜Ο(n!)

        一句话总结：时间复杂度就是评价算法时间与输入规模的增长关系。

二、空间复杂度

        算法运行时所需存储空间的大小与输入规模的关系。

        如当一个算法的空间复杂度为一个常量，即不随被处理数据量n的大小而改变时，可表示为O(1)；当一个算法的空间复杂度与以2为底的n的对数成正比时，可表示为0(10g2n)；当一个算法的空I司复杂度与n成线性比例关系时，可表示为0(n).若形参为数组，则只需要为它分配一个存储由实参传送来的一个地址指针的空间，即一个机器字长空间；若形参为引用方式，则也只需要为其分配存储一个地址的空间，用它来存储对应实参变量的地址，以便由系统自动引用实参变量。

参考：

算法的时间复杂度和空间复杂度-总结_zolalad的博客-CSDN博客_两个for循环的时间复杂度
算法的复杂度解析（时间复杂度和空间复杂度）_Yusean.的博客-CSDN博客_算法的复杂度