算法复杂度

1.算法的定义：

算法(Algorithm):就是定义良好的计算过程，他取⼀个或⼀组的值为输⼊，并产⽣出⼀个或⼀组值作为 输出。简单来说算法就是⼀系列的计算步骤，⽤来将输⼊数据转化成输出结果。算法的重要性不言而喻，我们无时无刻不依靠着算法来实现大数据，大规模的运算。但算法本身对计算机也有着要求，在空间有限，时间有限的情况下，就应该对算法进行优化，使其降低对环境的要求，提高效率。所以衡量一个算法的好坏，就应该看他的复杂度。

2.复杂度：

算法的复杂度取决于两个因素:时间，空间。

1.时间复杂度：

程序时间效率=每条语句的运行时间×运行效率。程序时间效率越高，时间复杂度就越低，因此应该考虑每条语句的运行时间和运行效率。但前者要考虑的因素过多且大多不确定，但是运行效率是确定的，又因为运行效率与运行时间成正相关关系：

所以时间复杂度可以只看作运行效率，前者可以忽略。因此时间复杂度的计算方法就是计算程序的执⾏次数，如何准确的表示时间复杂度，我们以O（N）来表示，其中N为执行次数，当一个程序中的执行次数为常数时，无论多大都以O(1)来表达，当有for循环或者其他循环时，且循环次数为N时，为O(N),常数的执行次数被忽略，同理当循环次数为N/2或者N的倍数时，也为O(N),因为计算机的运算能力很强，几千几万的常数都相对来说非常渺小，所以可以统一视为1，而在N/2和2N这种情况下，同样也是对计算机来说与N的差距并不明显，所以统一是为O(N),但当有嵌套循环或循环次数为N^2时，就只保留高阶项，比如在N+N^2的次数中，为O(N^2)时间复杂度，因为N^2的大小远超N的大小，这时的N就如同1一样可以忽略不计。

2.空间复杂度：

空间复杂度与时间复杂度的表达方法一样，都使用O(N)来表示，在空间复杂度中N表示申请的空间数，如果申请的空间数为常数时，也为O(1)，原因与时间复杂度一样，当申请的空间数为未知数也就是N时，为O(N)，同样像嵌套循环申请空间时如果为N的高阶项，那么省略低阶项，只保留高阶项，如O(N^2)等。