4 时间复杂度和空间复杂度（2）

1 时间复杂度O(f(n))

执行次数T（n）关于问题规模n的函数，分析T（n）随n的变化情况确定T（n）的数量级，记为T（n）=O(f(n)),f(n)为量级（最高次数项与系数无关），且算法执行时间增长率和f(n)的增长率相同。

1.1例如：

计算 1 + 2 + 3 + … + n
累加算法1：输入问题规模n,循环执行了T(n)=n次,时间复杂度：O(n^1)
s=0
i=1
while i<=100
s=s+i
i=i+1
直接算法2：输入问题规模n,执行了T(n)=1次,时间复杂度:O(n^0)=O(1)
s=n*(n+1)/2

1.2 量级

常数阶（零阶）O(1)；
线性阶（一阶）O(n)：如单层循环；
平方阶（二阶）O(n^2)：如嵌套循环；
对数阶：2^x=n,执行一定次数x达到问题规模n，时间复杂度，计为T(n)=O(log2n)；
立方阶(三阶)O(n^3)；
n倍对数阶O(nlog2n)；
指数阶O(2^x)；

1.3 最坏情况和最好情况及正常平均的时间复杂度，其中主要考虑最坏情况的时间复杂度

2 空间复杂度

算法复杂度是指计算算法所需的存储空间，算法空间复杂度S(n)=O(f(n))
f(n)是关于问题规模n所占空间的函数。

2.1 例如

方式一：每给一个年份，写一个判断是否为闰年的算法；
方式二：事先编制好所有年份（共2050年）成一个列表字典，这样可以直接查询得到；
两种方式区别：方式一节省了空间（成本）但是时间可能会长，方式二节省了时间（效率）但是耗费了内存，当然两者可以相互换取，也要分根据计算机情况而定；

2.2 特别

空间和时间复杂度的互换，采用方式一和二要视情况而定，例如内存只有64k,你方式二列表字典2050个元素的内存比64k大，无法运行此算法，此时选择方式最好