时间复杂度、空间复杂度、时间复杂度计算、空间复杂度计算、时间复杂度与空间复杂度的转换与取舍、以空间换时间

------------------时间复杂度
  计算时间复杂度=计算时间频度
  
  计算时间复杂度原则：
  1.忽略常数项
  2.忽略底次项
  3.忽略系数
  
  用常数1代替运行时间中的所有加法常数 T（n）=n^2+7N+6 => T(n)=n^2+7n+1
  修改后的运行次数函数中，只保留最高阶项 T(n)=n^2+7n+1 => T(n)=n^2
  去除最高阶项的系数 T(n)=n^2 => T(n)=n^2 => O(n2)
  
  常见时间复杂度：
  
  常数阶O(1)，对数阶O(log2^n),线性阶O(n),线性对数阶O(nlog2^n),平方阶O(n^2),立方阶O(n^3),k次方阶O(n^k),指数阶O(2^n)
  
  O(1)<O(log2^n)<O(n)<O(nlog2^n<O(n^2)<O(n^3)<O(n^k)<O(2^n)
  
  常数阶：无论代码执行多少行，只要没有循环等复杂结构，那这个代码的时间复杂度就是O(1)
  
  对数阶：如果N=a^x(a>0,且a!=1),那么数X叫做以A为低N的对数，记作X=loga^n
  a叫做对数的底数，N叫做真数，x叫做以a为低N的对数
  示例代码：int i=1; int n=100; while(i<n){i<n}{i=i*2}; 时间复杂度为log2^n
  
  线性阶：for循坏里面的代码会执行N遍，因此它消耗的时间是随着N的变化而变化的
  示例代码：int i=1,j=0,n=100; for(i=1;i<=n;i++){ j=i; j++;}
  
  线性对数阶：将时间复杂度为O(logn)的代码循坏N遍的话，那么它的时间复杂度就是n*O(logn),也就是O(nlogN)
  示例代码：int i=1.j=0,n=100; for(i=1;i<=n;i++){while(i<n){j=i;j++;}}
  
  平方阶：如果把O(n)的代码再镶嵌循坏一遍，它的时间复杂度就是O(n^2)
  示例代码：int i=1,j=0,n=100,res=0; for(i=1;i<=n;i++){for(j=0;j<n;j++){res=i;res++;}}
  
  k次方阶:O(n^3)相当于三层N循坏，O(n^k)也就是K次循坏

-----未完后期待续