时间复杂度和空间复杂度的区别与分析

算法效率的度量：通过时间复杂度和空间复杂度
**时间复杂度:**时间开销与问题规模n之间的关系
空间复杂度：空间开销（内存开销）与问题规模n之间的关系
时间复杂度具体分析：
当提到时间复杂度，我们想到运行一下程序不就可以知道所花费的时间了吗？
但是有一个问题，机器不同，语言不同，即使是同一个算法，事后统计的时间还是不一样的。因此，就有了事前估计：算法时间开销T（n）与问题规模n之间的关系。
&1: void miss(int n)
{
int i=1;---------------------①：1次
while(i<=n)---------------②：101次：100后还要再进行一次判断
{
i++;----------------------③：100次
printf(“miss you %d\n”,n);--------④：100次
}
}
int main(){
miss(100);
}
T（100）=1+101+100+100
T（n）=3n+2
由&1得出是否可以忽略表达式的某些部分呢？
若是有好几千行代码，要一行一行数吗？显然是不可行的
因此，当n比较大时，可以忽略表达式中低阶的部分，引出O：表示同阶
( T（n）=O（f（n））)取极限，当n趋于无穷大时，T（n）/f（n）=k
因此，可以只考虑阶数高的部分
O（1）<O(log2的n次方) <O(n)<O(nlog2的n次方)<O(n的2次方)<O(n的3次方)<O(2的n次方)<O（n的阶乘）<O(n的n次方)
&2：
void miss(int n)
{
int i=1;
while(i<=n)
{
i=i*2;
printf(“miss you %d\n”,n);
}
}
int main(){
miss(100);
}
分析：i=2,4,8,16、、、、、、为2的x次方
当2的x次方>n、x=log2的n次方+1
所以，T（n）=O（x）=O（log2的n次方）
&3：
void miss（int a[],int n）{
for(int i=0;i<n;i++){
if(a[i]==n){
printf(“I miss you %d\n”,n);
break; }
}
}
a数组中乱序存放了1~n这些数，
最好的情况：元素n在第一个位置T(n)=O(1)
最坏的情况：元素n在最后一个位置
T(n)=O(n)
平均情况下：假设元素n在任意一个位置的概率相同为1/n， T(n)=O(n)
X=（1+2=3+、、、+n）1/n=(1+n)/2
&4:
for(i=1; i<=n; ++i)
　　　　for(j=1; j<=n; ++j)
{ ++x; s+=x ; }
其时间复杂度为：O(n2) ,有多层嵌套循环，只需关注最深层循环了几次

空间复杂度具体分析：

&1：
void miss(int n)
{
int i=1;
while(i<=n)
{
i=i++;
printf(“miss you %d\n”,n);
}
}
int main(){
miss(100);
}
当算法所需要的内存空间与n无关时，算法的空间复杂度为S（n）=O（1），所需内存空间为常量-----“算法原地工作”
&2：
void text（int n）
{
int flag(n);
int i;
、、、、、
}
S（n）=O（n）
只需关注存储空间大小与问题规模相关的变量
&3：
void text（int n）
{
int flag[n][n;
int k[n];
int i;
、、、、、
}
S（n）=O（n2） +O(n)+O(1)=O(n2)
&4:递归调用要具体情况具体分析