【算法】时间复杂度和空间复杂度知识解析

算法：

        算法（Algorithm）是指用来操作数据、解决程序问题的一组方法。

        同一个问题，使用不同的算法，也许最终得到的结果是一样的，但在过程中消耗的资源和时间却会有很大的区别。

        我们应该如何去衡量不同算法之间的优劣呢？

        主要是从算法所占用的「时间」和「空间」两个维度去考量。

• ·        时间维度：是指执行当前算法所消耗的时间，通常用「时间复杂度」来描述。
• ·        空间维度：是指执行当前算法需要占用多少内存空间，通常用「空间复杂度」来描述。

时间复杂度：

        一个算法中的语句执行次数称为语句频度或「时间频度」。记为T(n)。时间频度T(n)中，n称为问题的规模，当n不断变化时，时间频度T(n)也会不断变化。算法的时间复杂度也就是算法的时间度量，记作：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，称作算法的渐进时间复杂度，简称「时间复杂度」。

常见的时间复杂度量级有：

·        常数阶：O(1)

·        线性阶：O(n)

·        平方阶：O(n^2)

·        立方阶：O(n^3)

·        对数阶：O(logn)

·        线性对数阶：O(nlogn)

·        指数阶：O(2^n)

常见的时间复杂度之间的关系：

所消耗的时间从小到大

O(1) < O(logn) < O(n) < O(nlogn) < O(n^2) < O(n^3) < O(k^n) < O(n!)

空间复杂度：

          空间复杂度（SpaceComplexity）是对一个算法在运行过程中临时占用存储空间大小的一个量度，同样反映的是一个趋势，一个算法所需的存储空间用f(n)表示。S(n)=O(f(n))，其中n为问题的规模，S(n)表示空间复杂度。

         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)。当一个算法的空间复杂度与n成线性比例关系时，可表示为O(n)，类比时间复杂度。

        空间复杂度比较常用的有：O(1)、O(n)、O(n²)

        举例说明：

        如果算法执行所需要的临时空间不随着某个变量n的大小而变化，即此算法空间复杂度为一个常量，可表示为 O(1)。

int i = 1;
int j = 2;
++i;
j++;
int m = i + j;

      代码中的 i、j、m 所分配的空间都不随着处理数据量变化，因此它的空间复杂度 S(n) = O(1)

int[] m = new int[n]
for(i=1; i<=n; ++i)
{
   j = i;
   j++;
}

       这段代码中，第一行new了一个数组出来，这个数据占用的大小为n，这段代码的2-6行，虽然有循环，但没有再分配新的空间，因此，这段代码的空间复杂度主要看第一行即可，即 S(n) = O(n)

       最后补一个，我们在学数据结构的时候，最常用的一些时间复杂度和空间复杂度。