数据结构时间复杂度和空间复杂度

（1）算法O（n），关注n的阶数，当数十分大的时候，常数可以忽略。O（n）又称为大O记法。

（2）T（n）=O（f（n）），随着n变化而变化，f（n）是某个函数，执行的次数等于时间，一般情况下，T（n）增长最慢的算法最优。

（3）3个求和算法时间复杂度：O（1），O（n），O（n^2）甚至更多

（4）推到O（n）:

1,，用1取代时间中所有加法常数（哪些可以忽略）。

2，在修改后的运行函数中，只保留最高项。

3，如果最高项存在且不是1，去除这个最高项相乘的常数。例如：3n^3  变成n^3，n的三次方。

4,得到最后结果是大O阶

（一）常数阶：

例如：

System.out.println("m 转换为String型后与整数20的求和结果为： "+(str1+20));
System.out.println("str2和str3转换成字符串后相加结果: "+(str2+str3));

时间复杂度是：O（1）而不是O（2），只关注与n有关的。所有的加法常数，只给O（1）就可以了。

（二）线性阶

 for(int j=0;j<n;j++)
{
System.out.println("m 转换为String型后与整数20的求和结果为： "+(str1+20)); 
}

时间复杂度是：O（n）执行了n次，如果是100,则是100次，n=1000则是1000次

（三）平方阶

例如：n=100,外层执行一次，内层执行100次，两个循环则是100*100

for(int i=0;i<100;i++){
for(int j=0;j<100;j++)
System.out.print("下标【"+i+"】:"+number[i]+" ");
}

因此，时间复杂度是：O（n^2），如果是三个嵌套循环，则是O（n^3）。

例如：

for(int i=0;i<n;i++){
for(int j=i;i<n;j++)
System.out.print("下标【"+i+"】:"+number[i]+" ");
}

当外层i=0，n=100则内层循环执行n次，当i=1时候，内存循环执行n-1次。

于是：n+(n-1)+(n-2)+...+1=n(n+1)/2.高斯先生算法。=n^2/2+n/2,根据大O推算，时间复杂度是：O（n^2），只算最高阶。

（四）对数阶

2^x=n,得出：x=log(2)n,x是循环的次数，log 2为底，小写n）因此时间复杂度是：O（logn)

空间复杂度：

S（n）=O（f（n）），f（n）为语句关于n所占存储空间的函数。