欲罢不能，一文搞懂算法复杂度，从此不怕复杂度！

一、复杂度(complexity)

当年在学校学习的时候，老师说；“复杂度就是衡量算法好坏的，复杂度分为时间复杂度(time complexity)，空间复杂度(space complexity)“。说的没错。但是时间复杂度(time complexity)，空间复杂度(space complexity)是个啥我还是似懂非懂，以至于计算也是靠着感觉和for循环次数猜个大概，幸亏是简单，每次八九不离十都能解决。
最近在重新看数据结构和算法时候，突然对算法的时间复杂度(time complexity)，空间复杂度(space complexity)有了新的了解，如有错误欢迎斧正。

---

百度解释：算法复杂度是指算法在编写成可执行程序后，运行时所需要的资源，资源包括时间资源和内存资源。应用于数学和计算机导论。链接
我的理解： 一个算法有输入和输出，那复杂度是什么？ 下面开始划重点！！！
就是当改变输入输出时候，随着我的输入改变也改变的量，就是复杂度。
如果以上话无法理解，请花10min认真读一下下面的两个例子分析，这样你将不会觉得复杂度很难分析理解了。

例子1：时间复杂度为O(N)，空间复杂度为O(N)

long long* Fibonacci(long long num)  
{  
    assert(num >= 0);  
    //非递归  
    long long* array = new long long[num+1];  
    array[0] = 0;  
    array[1] = 1;  
    for (int i=2; i<=num; i++)  
    {  
        array[i] = array[i-1] + array[i-2];  
    }  
        return array;  
}

由以上代码可知：
① num变为n时，new long long[num+1] 时候所占用字节为long字节*n而，其他变量int i ，无论输入num怎么变化所占用空间均为一个int字节，故：空间复杂度(space complexity)为O(n)与代码输入有关 。所以为O(n)。
② 当num由1次变为n次时，假设1次for循环时间为t，那么n次就为n*t。故时间复杂度(time complexity)与代码输入有关。所以为O(n)。

例子2： 时间复杂度为O(N)，空间复杂度为O(1)

long long Fibonacci(long long num)  
{  
    assert(num >= 0);  
    long long first = 0;  
    long long second = 1;  
    long long third = 0;  
    for(int i=2; i<=num; i++)  
    {  
        third = first + second;  
        first = second;  
        second = third;  
    }  
    return third;  
}  

由以上代码可知：
① 当num变为n时，long long first,second,third占用内存大小同样为3个longlong字节。int i占用内存大小也同样为int字节。故空间复杂度(space complexity)与代码输入无关。所以为O(1)。
② 当num由1次变为n次时，假设一1次for循环时间为t，那么n次就为n*t。故时间复杂度(time complexity)与代码输入有关。所以为O(n)。