时间复杂度和空间复杂度

1. 时间复杂度

• 常数阶O(1)
• 对数阶O(logN)
• 线性阶O(n)
• 线性对数阶O(nlogN)
• 平方阶O(n²)
• 立方阶O(n³)
• K次方阶O(n^k)
• 指数阶(2^n)

从上而下时间复杂度越来越大，执行效率越来越低。

① 常数阶O(1)

无论代码执行了多少行，只要没有循环等复杂结构，那么这段代码的时间复杂度就是O(1)。

② 线性阶O(n)

for(int i = 0; i<= n; i++) {
    //todo
}

这段代码，for循环里的代码将执行n次，消耗的时间和变量n是成正比的。因此使用O(n)表示它的时间复杂度。

③ 对数阶O(logN)

for(int i = 1; i<n; i*=2) {
    
}

例如上述循环，它的终止条件是i<n，但是增长为i*2，那么意味着，循环< n次就会结束循环。

我们假设循环x次会结束，那么也就是2的x次方就会等于n，也就是说：x = log2^n。

所以它的时间复杂度为O(logN)。

④ 线性对数阶O(NlogN)

在对数阶的基础上嵌套一个循环，终止条件为n。

for(int i = 0; i<= n; i++) {
    for(int i = 1; i<n; i*=2) {
    
    }
}

⑤ 平方阶O(n^2)

for(int i = 0; i<= n; i++) {
    for(int i = 0; i<= n; i++) {
    
    }
}

存在两个终止条件为n的循环。

如果变成这样：

for(int i = 0; i<= n; i++) {
    for(int j = 0; j<= m; j++) {
    
    }
}

那么它的时间复杂度为O(n * m)。

2. 空间复杂度

① O(1)`

如果算法执行时，所需空间不会因为某个变量的增大而增大，减小而减小。那么这段代码的空间复杂度为O(1)。

② O(n)

int[] array = new int[n];
int i = 5;
i = i *5;
n = i + n;

这段代码执行时，第一行会申请一个长度为n的一维数组，n越大，所需空间就越大n。

所以它的空间复杂度为O(n)。