数据结构及算法：时间和空间复杂度

一.时间和空间复杂度分析

1.算法效率

算法效率分析分为两种：第一种时间效率，第二种空间效率，时间效率被称为时间复杂度，而空间效率被称为空间复杂的，时间效率主要是衡量一个算法的运行速度，而空间复杂度是衡量一个算法所需要的额外空间，在计算机发展早期，计算机的存储容量很小，所以对时间复杂度很是在乎，但经过计算机行业的迅速发展，计算机的容量已经到达了很高的程度，所以如今我们已经不需要的别关注一个算法的空间复杂度。
为了估算一个算法的耗时情况，不需要计算出精确的执行次数，只需要得到一个大概的执行次数即可。

2.时间复杂度

时间复杂度：使用大O渐进表示法
O（）->是一个函数渐进的数学符号。
大O阶函数的推导原则：
1.用常数1来代表所有的加法常数，10,2=》1
2.最后的大O函数只保留最高阶项
3.若最高阶项还有系数，3N², 4N²，去掉这个系数，保留1即可=》N²

时间复杂度分为：
1.最坏复杂度:
这个算法最大运行时间。
2.最好复杂度：
这个算法最小运行时间。
3.平均情况的时间复杂度：
所有情况除以数组的情况的个数。
任意算法，若是不断除以任意数字，最终等于0或1，这个算法的执行次数就是O（logn）
一个递归函数的时间复杂度，要把递归展开，看一下递归的次数和变量N的关系

2.空间复杂度

所谓的空间复杂度指的是算法在执行过程中，额外开辟的内存空间。就看算法中有没有额外开辟“数组”空间。
每次函数调用的过程，就对应一个函数的“栈帧”在栈中的入栈过程，递归函数调用几次，就需要开辟多少个栈帧空间，