算法时间复杂度和空间复杂度

1.时间复杂度定义：T（n）=O（f（n））

定义：如果一个问题的规模是n，解这一问题的某一算法所需要的时间为T(n)，它是n的某一函数。T(n)称为这一算法的“时间复杂度”。当输入量n逐渐加大时，时间复杂度的极限情形称为算法的“渐近时间复杂度”。表示一个算法随输入规模n的变化情况所确定的总的执行次数的数量级。

2.时间复杂度的求解

（1）一条指令记为一次，无循环的情况为O（1），即常数阶

（2）其他只保留最高阶，即只存在O(n)，O(n^2),O(n^3)，.......O(log(n))等单位以及他们的组合；为什么只保留最高阶，因为O评价的是随问题规模增大带来的运行时间问题，前面的系数影响在n规模性增大时，影响很小，如n和100n，n^2，当n从100增大1000时，增长的时间即：100*1000-100*100相比1000^2-100^2几乎可以不计

3.常用时间复杂度

（1）常数阶O（1）：跟问题n的规模无关

如：printf("hello zhang"); int i =0;等都是常数阶

（2）线性阶O(n)：跟问题n的规模呈线性增长

如：int n = 100；sum=0;

     for (j=0;j<=n;j++){

            sum=sum+j;

}

n为100时，该算法得运行100行，n为200时，该算法得运行200行，所有算法的执行次数和问题的规模n呈线性增长

（3）平方阶O(n^2)：跟问题n的规模呈平方阶增长

如：int n=100;

      int i,j；

     int sum=0;

     for (j=0;j<=n;j++){

          for(i=0;i<=n;i++)

            sum=sum+j +i;

         }

}

每一个j的取值，第二个循环中i的值都得取n次，所以总次数为n*n

（4）对数阶O(log（n）)：比线性阶O（n）要小，但比常数阶O（1）要大，还是指一轮循环，但是在未循环n次就终止了

int n=100;

int x=1；

while(x<n){

x=x*2;

}

终止条件x*2=n   ，x=log（n），x的值从1变到log（n），即只循环了log（n）次

（5）4种时间复杂度大小对比

O(1) < O(log(n)) < O(n) < O(n^2) < O(n^3)，.......

2.空间复杂度定义：S(n)=O(f(n))

对一个算法在运行过程中临时占用存储空间大小的量度，它也是问题规模n的函数，通常空间复杂度的增加可以换来时间复杂度的减小。

举个例子：判断某年是否为闰年，优先空间复杂度的做法是直接用公式计算，优先时间复杂度的做法是把所有年份是否为闰年存到一个同样规模的数组中，直接查找就可以了，但存储空间增大了