时间复杂度和空间复杂度（第二天）

1.算法时间复杂度（算法的时间的量度）

T（n） = O(f（n）)

定义：在计算算法分析时，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.

执行次数 = 时间
最优算法—->随着时间的增大，T（n）增长最慢的算法最优

2.推导算法时间复杂度（大O阶）的方法：
1) 常数1取代运行时间中的所有加法常数—–>O（1）
2) 在修改后的运行次数函数中，只保留最高阶项。
3)如果最高项阶存在且不为1，那么去除在于这个项相乘的常数。———>大O阶

常数阶，O(1)

线性阶，一般含有非嵌套循环（单个循环）的会涉及到，就是随着函数规模n的扩大，对应计算次数呈之前增长O（n）

平方阶，含有嵌套循环（多个循环）O(n^循环次数)

对数阶，比如O（logn）

3.函数调用的时间复杂度分析
常用的时间复杂度所耗费的时间从小到大一次为：O(1) < O(logn) < O(n) < O(nlogn) < O(n^2) < O(n^3) < O(2^n) < O(n!) < O(n^n)

4.最坏情况O（n）与平均情况(期望的平均运行时间)

---

1.算法的空间复杂度
S（n） = O（f（n））—–>f(n)指的是关于n所存储空间的函数
通过计算算法所需的存储空间实现