简单理解时间与空间的复杂度

算法在编写成可执行语句后，运行需要耗费时间和空间资源，衡量一个算法的好坏，一般是从时间和空间两个维度来衡量的，即时间复杂度和空间复杂度。时间复杂度主要衡量一个算法的运行快慢，而空间复杂度是对算法运行的所需空间一个衡量。

void Test(int N)
{
	int count = 0;
	for (int i = 0; i < N; i++)
	{
		for (int j = 0; j < N; j++)
		{
			count++;
		}
	}
	for (int k = 0; k < 2 * N; k++)
	{
		count++;
	}
	int M = 10;
	while (M--)
	{
		count++;
	}
	printf("%d", count);
}

算法的时间复杂度就好比是一个数学函数，算法中基本数据操作的次数就是算法的时间复杂度。

 该代码的具体操作次数是：F(N) = N² + 2*N +10

 但是我们在实际操作计算时间复杂度的时候，我们其实并不一定要计算精确的执行次数，我们只需要知道大概的执行次数就好，什么是大概，大概就是我们要将的核心：大O的渐进表示法。

计算大O阶的方法

1、所有的常数统统计算为 1(这里的 1 要理解成常数次，不是单纯的1次)

2、在计算运行次数之后要取最高阶项（最高阶存在且不是1的情况下就要去除与这个函数有关的常数保留最高阶，该结果就是大O阶）

所以代码 Test 的时间复杂度用大O阶表示为：O(N²)

N² + 2*N +10 转换为 O(N²)  ：我们发现大O阶去掉的是对结果影响不大(影响没有最高阶大)的项，很简洁的表示出了执行次数。再给各位看官上两段代码

void Test2(int N, int M)
{
	int count = 0;
	for (int k = 0; k < M; k++)
	{
		count++;
	}
	for (int k = 0; k < N; k++)
	{
		count++;
	}
	printf("%d\n", count);
}

void Test3(int N)
{
int count = 0;
for (int k = 0; k < 100; k++ )
{
  count++;
}
printf("%d\n", count);
}

Test3 的数学函数次为：100

*Test2 的数学函数 次为：M+N

(大O阶的答案可私信我，一起学习互相交流)

*一般的常见的时间复杂度：

 空间复杂度的计算和时间复杂度相似，空间复杂度也是一个数学表达式，是对一个算法在运行过程中临时占用存储空间大小的量度 ，也可以说是计算变量的个数。

void BubbleSort(int* a, int n)
{
	for (size_t end = n; end > 0; --end)
	{
		int exchange = 0;
		for (size_t i = 1; i < end; ++i)
		{
			if (a[i - 1] > a[i])
			{
				Swap(&a[i - 1], &a[i]);
				exchange = 1;
			}
		}
		if (exchange == 0)
			break;
	}
}

所以冒泡排序的空间复杂度用数学函数表示为3，大O阶表示为O(1).