数据结构:算法时间复杂度和空间复杂度

一、算法：

1、算法定义：算法是解决特定问题求解步骤的描述，在计算机中表现为指令的有限序列，并且每条指令表示一个或多个操作。
2、算法具有五个基本特性：输入、输出、有穷性、确定性、可行性。
a.算法具有零个或多个输入，至少有一个或多个输出
b.有穷性：算法在执行有限的步骤之后会自动结束，而不会出现无限循环，并且每一个步骤是在可接受的时间内完成
c.确定性：算法的每一步骤都具有确定的含义，不会出现二义性，也就是说相同的输入只能有唯一的输出结果
d.可行性：算法的每一步都必须是可行的，也就是每一步都可以转换为程序上机执行，并且得到正确的结果

二、函数的渐近增长

1、渐近增长的定义：对于一个函数f(n)，输入规模n在没有限制的情况下，只要n超过了一个数值N，这个函数就总会大于另一个函数。那么就称这个函数f(n)是渐近增长的。
那如果我们给定两个函数f(n),g(n)，如果存在一个整数N,使得对于所有的n>N，f(n)总是比g(n)大，则称f(n)的增长渐近快于g(n)
2、对于函数的增长，我们可以忽略加法常数，忽略项数，注意指数，最高次项的指数越大，函数的增长也就越快

三、算法时间复杂度

1、f(n)：函数
T(n)：算法执行时间(算法语句执行次数）
时间复杂度：T(n) = O(f(n))
2、常数阶O(1)：单纯的分支结构（即不包含在循环中），时间复杂度都为O(1)
线性阶O(n): 一个循环n次的循环结构，时间复杂度为O(n）
对数阶O(logn)：一个循环log₂n次的循环结构，时间复杂度为O(logn)。（不一定非得是2的对数，2代表常数）
平方阶O(n²) 立方阶O(n³) 指数阶O(2^n) nlogn阶O( nlogn)
O(1)<O(logn)<O(n)<O( nlogn)<O(n²) <O(n³)<O(2^n) <O(2!)<O(nⁿ)
3、学会计算时间复杂度

四、算法空间复杂度

1、f(n)：关于n所存储空间的函数
算法空间复杂度：S(n) = O(f(n))
2、若算法执行时所需的辅助空间相对于输入数据量而言是个常数，则称此算法为原地工作，空间复杂度为O(1)