浅析算法和评价算法的指标

• 算法（Algorithm）是指用来操作数据、解决程序问题的一组方法。对于同一个问题，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。
• 评价算法两个重要指标。一般我们通过时间和空间两个维度去考量。

时间复杂度

时间复杂度：由于同一个算法在不同的运行环境和硬件环境下耗费的时间不一，因此时间复杂度并不是具体衡量一个算法具体花费的时间，而是衡量一个算法的时间趋势。「 大O符号表示法 」，即 T(n) = O(f(n))，其中f(n) 表示每行代码执行次数之和，而 O 表示正比例关系，这个公式的全称是：算法的渐进时间复杂度。
时间复杂度一般有以下几种：

• 常数阶O(1)

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

• 线性阶O(n)

for(int i=0,i<n,i++){
	j= i;
	j = 2+j;
}

• K次阶O(n^k)
  K次阶是线性阶的 K 次 for 循环
• 对数阶O(logN)

int i= 1；
while(i<n){
	i=2*i；
}

• 线性对数阶O(KlogN)
  线性对数阶就是对数阶的 k 次 for 循环
• 指数阶O(2^n)

long aFunc(int n) {    
    if (n <= 1) {        
        return 1;
    } else {        
        return aFunc(n - 1) + aFunc(n - 2);
    }
}

显然运行次数，T(0) = T(1) = 1，同时 T(n) = T(n - 1) + T(n - 2) + 1，这里的 1 是其中的加法算一次执行。显然 T(n) = T(n - 1) + T(n - 2) 是一个斐波那契数列，通过归纳证明法可以证明，当 n >= 1 时 T(n) < (5/3)^n，同时当 n > 4 时 T(n) >= (3/2)^n。所以该方法的时间复杂度可以表示为 O((5/3)^n)，简化后为 O(2^n)。

空间复杂度

类似于时间复杂度的讨论，一个算法的空间复杂度(Space Complexity)S(n)定义为该算法所耗费的存储空间，它也是问题规模n的函数。渐近空间复杂度也常常简称为空间复杂度。
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。一般情况优先考虑时间因素，也就是时间复杂度。