算法中时间复杂度和空间复杂度的理解

概念

时间复杂度

在计算机科学中，时间复杂性，又称时间复杂度，算法的时间复杂度是一个函数，它定性描述该算法的运行时间。这是一个代表算法输入值的字符串的长度的函数。时间复杂度常用大O符号表述，不包括这个函数的低阶项和首项系数。使用这种方式时，时间复杂度可被称为是渐近的，亦即考察输入值大小趋近无穷时的情况，时间复杂度表示的是一个算法的时间增长趋势，因为一个算法在不同机器上部署的时候，每个机器的性能大不相同，所以运算时间也不同，评估一个算法在运算时间上的性能，我们通常用时间复杂度来评估一个算法的时间运算概念。

空间复杂度

空间复杂度(Space Complexity)是对一个算法在运行过程中临时占用存储空间大小的量度，记做S(n)=O(f(n))。比如直接插入排序的时间复杂度是O(n^2),空间复杂度是O(1) 。而一般的递归算法就要有O(n)的空间复杂度了，因为每次递归都要存储返回信息。一个算法的优劣主要从算法的执行时间和所需要占用的存储空间两个方面衡量。空间复杂度是表示一个算法的内存增量，评估一个算法在内存空间占用空间的大小。

常见算法的时间复杂度举例（此处用JAVA语言分析举例）

常见的时间复杂度

名称	大O表示法
常数阶	O(1)
对数阶	O(）
线性阶	O(N)
线性对数阶	O(）
平方阶	O()
立方阶	O()
k次方阶	O()
指数阶	O()

常见的算法时间复杂度由小到大依次为:O(1)<O(）<O(N)<O(）<O()<O()<O()<O()

常数阶表达式代码：

int i=2;
int j=3;
int sum=i+j;

对数阶表达式代码：

int i=1;
while(i<n){
  i=i*2;
}

在while循环里面，每次都将乘以2，乘完之后，i的距离就越来越近了。假设循环x次之后，i就大于2了，此时这个循环就推出了，也就是2的x次方=n；

线性阶表达式代码：

 int j=0;
for(int i=1;i<=N;i++){
    
        j++;
}

在for循环里面的代码会循环n遍

线性对数阶表达式代码:

 int j=0;
for(int i=1;i<=N;i++){
    
        j=1;
   while(j<N){
    j=j*2;
}
}

for循环里面嵌套了一个while循环 for循环的时间复杂度为O(N)，while循环的时间复杂度为O(）所以此代码的时间复杂度为O(）

平方阶表达式代码：

int m=0;
for(int i=0;i<N;i++){
for(int j=0;j<N;j++){
   m++;
}
}

上述代码为两个for循环代码的嵌套一个for循环的时间复杂度为O(N),则嵌套for循环代码的时间复杂度为O(),依次类推O()为k个for循环嵌套

尽量避免指数阶算法

空间复杂度代码表示

名称	大O表示法
常数阶	O(1)
线性阶	O(N)
平方阶	O()

常数阶表达式代码：

int i=0;
int j=0;

线性阶表达式代码：

int [] num=new int[N];
for(int i=0;i<N;i++){
 num[i]=i;
}

在内存中创建一个长度为N的一维数组，它的空间复杂度就为O(N);

平方阶表达式代码：

int [][] num=new int[N][N];
for(int i=0;i<N;i++){
  for(int j=0;j<N;j++){
    num[i][j]=i+j;
}
}

在内存中创建一个长度为N行N列的二维数组，它的空间复杂度就为O()。

通常一个算法的复杂度是由其输入量决定的，随着输入的增加，不同算法的复杂度增长速度不同，为了降低算法复杂度，应当同时考虑到输入量，设计较好的算法。