时间复杂度与空间复杂度

 算法复杂度分为时间复杂度和空间复杂度。 时间复杂度是指执行算法所需要的计算工作量;而空间复杂度是指执行这个算法所需要的内存空间。
 时间复杂度：指的是执行一个算法，和问题规模之间的关函数系。用O(n)表示。
 空间复杂度：执行一个算法，需要额外的辅助空间和问题规模之间的函数关系。用O(n)表示。
一、 时间复杂度问题
根据定义，求解算法的时间复杂度的具体步骤是：
⑴找出算法中的基本语句;
　　一般算法中执行次数最多的那条语句就是基本语句，通常是最内层循环的循环体。
⑵ 只保留最高阶项；
　　计算基本语句执行次数的数量级，这就意味着只要保留最高阶项即可。
(3)不要系数;
　　可以忽略所有低次幂和最高次幂的系数。因为当n增长速度极快时，系数的影响是微乎其微的，可以忽略不计。
(4) 用大Ο记号表示算法的时间性能;
　　当n趋近于无穷大时，如果lim(T(n)/f(n))的值为不等于0的常数，则称f(n)是T(n)的同数量级函数。记作T(n)=O(f(n))。
 简单的说，就是保留求出次数的最高次幂，并且把系数去掉。举例如下：
例1:

例2：

{++x ; s=0; }

//f(n)=2*1(两个表达式，各执行一次)=2，即O(f(n))=O(1)（常数项语句时间复杂度为O(1)）

例3：

for(int i = 1;i<n;i+=3) //  时间复杂度：O(n)  
 //此表达式i每次加3，相当于f(n) = 1/3*O(n)，忽略系数后时间复杂度为：O(n)  

 
for(int i = 1;i<n;i+=2) //  时间复杂度：O(n) 
  //此表达式i每次加3，相当于f(n) = 1/2*O(n)，忽略系数后时间复杂度为：O(n)  
 
for(int i = 1;i<n;i*=2) //  时间复杂度：O(log2(n)) 
// i每次值为1、2、4、8、16、32......n所以求的是x,同时2^x=n，所以x=log2(n)。

例4：

for(int i = 1;i<=n;i+=3)                    //(1)
{
     for(int j = 1;j<=i-1;j++)              //(2)
     {
         c[i][j]=0;                        //(3)
     }
} 

/*再求此代码块时间复杂度时，我们直接求算法中执行次数最多的那条语句，即
语句(3)的执行次数。又因为语句(2)执行一次，语句(3)执行一次。当i分别为1
到n时，语句(2)、(3)的执行次数分别如下：
i     1 2 3 4 ......n
j/c   0 1 2 3......n-1
则有：
f(n)=(n^2-n)/2，保留最高项和去掉系数后，可得此算法的时间复杂度为：n^2*/

例5(时间复杂度在递归上面的应用)：

int Fac(int n) //求n的阶乘  ，时间复杂度为O(n) 
{
	if(n==0 || n==1)
	{
		return 1;
	}
	else
	{
		return n*Fac(n-1);
	}
}

二、 空间复杂度问题
空间复杂度指：执行一个算法。需要额外的辅助空间和问题规模之间的关系，常数个同时间复杂度一样 用O(1)表示。
例1：

int Age1(int n)  //  时间复杂度：O(n) ； 空间复杂度：O(1)
{
	int age = 10;
	for(int i=1;i<n;i++)
	{
		age += 2;
	}
	return age;
}
// 在此算法中，只定义了一个局部变量age，所以空间复杂度为O(1)；
// 又因为代码执行次数为n次，所以时间复杂度为O(n) ；

例2(空间复杂度在递归上面的应用)：

int Age(int n) //  时间复杂度：O(n) ； 空间复杂度：O(n)
{
	int tmp;
	if(n == 1)
		tmp = 10;
	else
		tmp = Age(n-1) + 2;
	return tmp;
}
//在递归算法中，每次将变量存储在栈中，并且在递归未完成时，不出栈，
  因此占用的空间为n,空间复杂度为O(n)；
// 又因为代码执行次数为n次，所以时间复杂度为O(n) ；