数据结构——时间/空间复杂度

1、算法是指令的有穷序列。

5个特征：有穷性，确定性，可行性，输入，输出。
4个要求：正确性，可读性，健壮性，效率与低存储量。
算法评价：事后统计方法，事前分析估算（时间/空间复杂度）。

2、渐进时间复杂度

T(n)=O(f(n))

渐进时间复杂度衡量的是一个算法基本操作执行次数的数量级，而不是单纯地比较程序运行时间的长短。其真实意义应该是：是如果问题规模（n）趋向于无穷大，比较算法执行时间长短。因此，计算T(n)，f(n)的系数是不起作用的，也不必比较单级基本操作执行次数的多少。

因此，渐进时间复杂度是一个理想运行时间的衡量，而不是一个具体运行时间的衡量。O的具体意义是：是用于描述函数渐进行为的数学符号。也就是说，O其实是使用另外一个函数来描述本来函数的渐进上界，这样可以简化问题。其意义类似于数学中的等价无穷小的概念。

因此，有定理：如果f(n)是一个多项式，最高次项的指数为m，那么其渐进时间复杂度是T(n)=O(n^m)。

常见渐进时间复杂度的比较：O(log2 n)<O(n)<O(nlog2 n)<O(n^2)<O(n^3)<O(2^n)<O(n!)

3、渐进空间复杂度

渐进空间复杂度不是衡量所有程序占用空间的大小，而是程序临时占用存储空间大小的度量。也就是说，计算的一般只有算法本身所占的存储空间，算法输入输出所占的空间以及算法临时占用的空间。

有的算法临时占用的空间是不随问题规模的大小而改变的，我们称其为“就地”进行的算法，是节省存储的算法。而有的算法所占用的空间随问题规模（n）的增大而增大，就需要使用O(f(n))的方式来衡量，才称为渐进空间复杂度，很多递归算法都属于这种算法。