时间，空间复杂度

理解时间，空间复杂度

在接触时间复杂度，空间复杂度的概念以来，只是大概认为是用来判断代码（算法）占用时间和空间多少。时间，空间复杂度越低，代码越好。本篇文章用来明确时间空间复杂度的概念。

书上时间复杂度的概念为：算法中最基本的操作执行次数与问题规模n之间的关系。
空间复杂度：算法执行过程中所需额外空间与问题规模n之间的关系

直接看书上的概念不好理解，我在理解后认为其中重点应该关注的是“关系”二字：
实际上时间复杂度并不具体表示代码真正执行的时间，而是表示代码执行时间与数据规模增长的变化趋势。

在计算时间复杂度的时候三个规则：取最高次项，去掉系数，去掉常数。
为什么会有这三个规则呢？
因为问题规模越大，即n越大，低阶，常数，系数对代码执行时间的增长趋势的影响微不足道，因此省略

空间复杂度：除了程序本身的指令，常数，变量等需要占内存外，数据操作也需空间，空间复杂度不是表示算法占了多少内存，而是表示算法占用的内存与问题规模的关系、

eg：动态内存看malloc与问题规模n是否有关 : 若无关O(1)
eg：递归看与问题规模是否有关： 若无关O(1)
注意：递归函数每直接或间接调用一次自己，都会新在栈分配空间，而且不到最后不出栈，问题规模n越大，占用的栈内存越大。可见递归算法写着比for循环简单，但空间复发度很高
eg：int a=10；int b=0；
a++; b++;
两个变量a，b需要空间，这两个空间与问题规模n无关（无论有多少个变量，a与b只需要int大小空间） ，2为常数，研究关系去系数，因此空间复杂度O(1)

eg:int arr[10]; 数组需要10个空间 ，空间复杂度 O（10）问题规模此时为10，若变100
arr[100]需要分配100个int大小空间，空间复杂度为100