算法复杂度

算法复杂杜旨在计算输入数据量N的情况下，算法的“时间使用”和“空间使用”情况；体现算法运行使用的时间和空间随着【数据大小N】而增大的速度。

算法复杂度主要可以从时间、空间两个角度评价：

• 时间：假设各操作的运行时间为固定常数，统计算法运行的【计算操作的数量】，以代表算法运行所需要的时间；
• 空间：统计在最差情况下，算法运行所需要的使用的【最大空间】

【输入数据大小N】指算法处理的输入量数据；根据不同算法，具有不同定义，例如：

• 排序算法：N代表需要排序的元素数量
• 搜索算法：N代表搜索范围的元素总数，例如数组大小、矩阵大小、二叉树节点数、图节点和边数等。

【时间复杂度】
数件复杂度是指输入数据大小为N时候，算法运行所需要花费的时间。

• 统计的是算法的【计算操作数量】，而不是【运行的绝对时间】。计算机操作数量和运行绝对时间呈正相关关系，并不相等。算法运行时间受到编程语言、计算机处理速度、运行环境等多种因素影响。例如，同样的算法使用Python或者C++实现、使用CPU或者GPU、使用本地IDE或者其他编译工具，运行时间都不一样；
• 体现的是计算操作随着数据大小N变化时的变化情况。假设算法运行总共需要1次操作、100次操作，次两种情况的时间复杂度都为O1；需要N次操作，100N此操作的时间复杂度都为O(N)

【空间复杂度】

空间复杂度涉及的空间类型有：

• 输入空间：存储输入数据所需要的空间大小
• 暂存空间：算法运行过程中，存储所有中间变量和对象等数据所需要的空间大小
• 输出空间：算法运行返回时，存储输出数据所需要的空间大小
• 通常情况下，空间复杂度是指在输入数据为N时候，算法运行使用的【暂存空间】+【输出空间】的总体大小

根据不同来源，算法使用的内存空间分为3类：

• 指令空间：编译后，程序指令所使用的内存空间
• 数据空间：算法中各项变量使用的空间，包括：声明的常量、变量、动态数组等使用的内存空间。
• 栈帧空间：程序调用函数时基于栈帧实现的，函数在调用期间，占用常量大小的栈帧空间，直至返回后释放。

常见种类
根据从小到大排列，常见的算法空间复杂度有：