时间复杂度和空间复杂度

一.大O渐进法（表示为O（））

1.用常数1取代运行时间中的所有加法常数。

2.在修改后的运行次数函数中，只保留最高阶项。

3.如果最高阶项存在且不是1，则除去与这个项目相乘的常数，得到的结果就是大O阶。

二.在一个长度为N的数组中搜索一个数据x

最坏情况：N次找到

最好情况：1次找到

平均情况：N/2次找到

三.举例

计算func的时间复杂度

void func(int N,int M){
    intt count = 0;
    
    for(int k = 0; k<M; k++){
        count++;
  }

    for(int k = 0; k<N; k++){
        count++;
 }

    System.out.println(count);
}
//时间复杂度（最坏情况）为O（M+N）

计算binarySearch(二分查找)的时间复杂度

int binarySearch(int[] array,int value){
    int begin = 0;
    int end = array.length - 1;
while(begin <= end){
    int mid = begin+((end-begin)/2);
    if(array[mid]<value)
      begin = mid+1;
    else if(array[mid]>value)
      end = mid-1;
    else
      return mid;
}


return -1;
}
 时间复杂度：N/2^X = 1
             2^X=n
             x=logn

阶乘递归的时间复杂度：O（N）

斐波那契的时间复杂度: O(2^N)

int fibonacci(int N){
    return N<2 ? fibonacci(N-1)+fibonacci(N-2);
}

四.复杂度由低到高：O(1)   O(N)   O(logN)   O(NlogN)  O(N^2)

空间复杂度

当算法的存储空间大小固定，和输入规模没有直接的关系时，空间复杂度记作O(1)。

int m = 2;

是一个线性的集合（如数组），空间复杂度记作 O(n)。

int[] array = new int[n]

当算法分配的空间是一个二维数组集合，空间复杂度记作 O(n*m)。

int[][] arr = new int[n][m];