时间空间复杂度

1.什么是时间复杂度
代码执行时间随数据规模增长的变化趋势，所以，也叫作渐进时间复杂度（asymptotic time complexity），简称时间复杂度。

 

2.时间复杂度分析

1）只关注循环执行次数最多的一段代码，我们在分析一个算法、一段代码的时间复杂度的时候，也只关注循环执行次数最多的那一段代码就可以了

2）加法法则：总复杂度等于量级最大的那段代码的复杂度

3）乘法法则：嵌套代码的复杂度等于嵌套内外代码复杂度的乘积

3.常见时间复杂度实例分析

1）. O(1) 

一般情况下，只要算法中不存在循环语句、递归语句，即使有成千上万行的代码，其时间复杂度也是Ο(1)

2). O(logn)、O(nlogn)

3). O(m+n)、O(m*n)

4.空间复杂度分析

空间复杂度全称就是渐进空间复杂度（asymptotic space complexity），表示算法的存储空间与数据规模之间的增长关系。

总结：

复杂度也叫渐进复杂度，包括时间复杂度和空间复杂度，用来分析算法执行效率与数据规模之间的增长关系，可以粗略地表示，越高阶复杂度的算法，执行效率越低。常见的复杂度并不多，从低阶到高阶有：O(1)、O(logn)、O(n)、O(nlogn)、O(n2 )。等你学完整个专栏之后，你就会发现几乎所有的数据结构和算法的复杂度都跑不出这几个。