数据结构：初入复杂度

1. 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。
2. 算法的复杂度分为时间复杂度与空间复杂度。
   时间复杂度：
   先看一个代码

void Test(int n)
{
    int iCount = 0;
    for( int i = 0; i < n; ++i)
    {
        for(int j = 0; j < n; ++j)
        {
            iCount++;
        }
    }
    for(int k = 0; k < 2*n; ++k)
    {
        iCount++;
    }
    int count = 10;
    while(count--)
    {
        iCount++;
    }
}

语句执行次数：f（n） = n² + 2 * n + 10
时间复杂度实际就是一个函数，该函数计算的是执行基本操作的次数。

在实际中通常关注的是算法的最坏运行情况。即：任意输入规模N，算法的最长运行时间。因为一个算法的最坏情况的运行时间是在任意输入下的运行时间上界，对于某些算法，最坏的情况出现的较为频繁，大体上看，平均情况与最坏情况一样差。
因此：一般情况下使用（O）渐进表示法来计算算法的时间复杂度。

举几个例子：

int iCount = 0;
for ( int i = 0; i < 10; ++i)
{
    iCount++;
}

总执行次数：10次
时间复杂度：O（1）

int iCount = 0;
for ( int i = 0; i < 10; ++i)
{
    iCount++:
}

for ( int j = 0; j< 10; j++)
{
    iCount++;
}

总执行次数： 2*n+10
时间复杂度：O（n）

int iCount = 0;
for ( int i = 0; i < 10; ++i)
{
    iCount++
}
for ( int i = 0; i < 2*n; ++i)
{
    iCount++;
}
for ( int i = 0; i < n; ++i)
{
    for( int j = 0; j < n; ++j)
    {
        iCount++:
    }
}

总执行次数：n² + 2*n + 10
时间复杂度： O（n²）

int iCount = 0;
for(int i = 0; i < n; ++i)
{
    iCount++;
}
for(int j = 0; j < m; ++j)
{
    iCount++:
}

总运行次数：m+n
时间复杂度：O（m+n）

int iCount = 0;
for(int i = 0; i<n; ++i)
{
    for(int j = 0; j < m; ++j)
    {
        iCount++;
    }
}

总运行次数：2*m*n
时间复杂度：O（mn）

空间复杂度：函数中创建对象的个数关于问题规模函数的表达式，一般 情况下用O的渐进表示法表示。

int count = 0;
for( int i = 1; i <= N; ++i)
{
    count+=i;
}

空间复杂度：O（1）