【数据结构入门】时间复杂度和空间复杂度

算法在编写成可执行程序后，运行时需要耗费时间资源和空间（内存）资源 。因此衡量一个算法的好坏，一般是从时间和空间两个维度来衡量的，即时间复杂度和空间复杂度。

时间复杂度主要衡量一个算法的运行快慢，而空间复杂度主要衡量一个算法运行所需要的额外空间。

大O渐进表示法（估算）
推导大O阶方法：

用常数1取代运行时间中的所有加法常数。

在修改后的运行次数函数中，只保留最高阶项。

如果最高阶项存在且不是1，则去除与这个项目相乘的常数。得到的结果就是大O阶。

这些方法看起来有些许摸不着头脑哈，我们来举几个例子说明，比如：

执行次数函数 F(N) = 10，使用大O渐进表示法后，时间复杂度为：O(1)
执行次数函数 F(N) = N2 + 2 * N + 10，使用大O渐进表示法后，时间复杂度为：O(N2)
执行次数函数 F(N) = 2 * N + 10，使用大O渐进表示法后，时间复杂度为：O(N)
 

时间复杂度计算实例

最差的时间复杂度为：O(n2)

对数时间复杂度记法，O(log2N)，可以简化写成O(logN)

使用大O渐进表示法后，所以时间复杂度为：O(2N)

总结

计算时间复杂度，

就是计算出该算法中的基本操作的执行次数，

一般以算法的最坏运行情况为准，

最终结果用大O渐进表示法（估算）书写

空间复杂度的计算

空间复杂度是对一个**算法在运行过程中临时占用存储空间大小**的量度