时间复杂度与空间复杂度完全解析

转载请注明出处：
http://blog.csdn.net/qq347198688/article/details/52725764
本文出自【何嘉龙的博客】

前言

国庆小长假到了，不知道大家的国庆长假过得怎么样？在空间里面看到同学都外出浪了，我表示很嫉妒啊。哎，作为一个死宅男，还是安安静静的在宿舍写我的博客还有刷剧吧。我是自动化专业，由于是非科班出生，又听说大公司都比较重基础，于是乎，我准备恶补下数据结构与算法分析，我看的是《大话数据结构》，希望把自己的基础功打牢一点，进自己想进的公司吧。我也希望大家国庆能过得愉快！

时间复杂度

时间复杂度的定义

在进行算法分析时，语句总的执行次数T（n）是关于问题规模n的函数，进而分析T（n）随n的变化情况并确定T（n）的数量级。算法的时间复杂度，也就是算法的时间复杂量度，记住：T（n）=O（f(n)）。它表示随问题规模n的增大，算法执行时间的增长率和f（n）的增长率相同，称作算法的渐近时间复杂度，简称为时间复杂度。其中f（n）是问题规模n的某个函数。

这样用大写O（）来体现算法时间复杂度的记法，我们称之为大O记法。一般情况下，随着n的增大，T(n)增长最慢的算法为最优算法。
显然，由此算法时间复杂度的定义可知，我们的三个求和算法的时间复杂度分别为O(n)，O(1)，O(n²)。我们分别给它们取了非官方的名称，O(1)叫常数阶、O(n)叫做线性阶，O(n²)叫平方阶，当然，还有其他的一些阶，我们之后会介绍。

推导大O阶方法

那么如何分析一个算法的时间复杂度呢？即如何推导大O阶呢？我们给出了下面的推导方法，基本上，这也就是总结前面我们举的例子。

推导大O阶：
1.用常数1取代运行时间后的所有加法常数。
2.在修改后的运行次数函数中，只保留最高阶项。
3.如果最高阶存在且不是1，则去除与这个项相乘的常数。得到的结果就是大O阶。

哈，仿佛是得到了游戏攻略一样，我们好像已经得到了一个推导算法时间复杂度的万能公式。可事实上，分析一个算法的时间复杂度，没有这么简单，我们还需要多看几个例子。

常数阶

首先顺序结构的时间复杂度。下面这个算法，也就是高斯算法，为什么时间复杂度不是O(3)，而是O(1)。