数据结构：时间复杂度和空间复杂度

衡量一个算法：复杂度：时间复杂度+空间复杂度
算法效率分析：第一种时间效率，第二种是空间效率。时间效率被称为时间复杂度，而空间效率被称为空间复杂度。时间复杂度主要衡量一个算法的运行速度，而空间复杂度主要衡量一个算法需要的额外空间。

时间复杂度

函数中某条语句相对于问题规模N（参数、输入）的数学表达式；

• 时间复杂度关注的是最差的情况；
• 时间复杂度没有参考算法运行时间的长短，而是使用基本语句的运行次数
  一般情况：
  代码中有一个循环----->O(N)—查找元素
  代码中有两个嵌套的循环---->O(N^2)—冒泡排序
  具体以算法为准

有些算法中：
1.二分查找：O(logN)
2.递归：递归的总次数*每次递归的基本语句运行次数

算法的时间复杂度存在如下几种情况：

1. 最坏情况：任意输入规模的最大运行次数（上界）
2. 平均情况：任意输入规模的期望运行次数
3. 最好情况：任意输入规模的最小运行次数（下界）

例如：在一个长度为N的数组中查找数据X
最好情况：1次找到
最差情况：N次找到
平均状况：N/2次找到

大O渐进表示法

1. F(N)是一个常数O(1)；
2. F(N)由多个子项组成，只取最高项；
3. 若最高阶项的系数是不是1，将其改为1；
4. 时间复杂度：计算的是最优平均速率、最差的情况；

常见的时间复杂度计算举例

1. 分析以下程序的时间复杂度（ ）

for(int i=0;i<n;i++)
for(int j=0;j<n;j++)
a[i][j]=i*j;
A、O(n)

B、(n^2)

C、O(nlogn)

D、O(logn)

2. 分析以下函数的时间复杂度（ ）

void fun(int n) {
int i=l;
while(i<=n)
i=i*2;
}
A、O(n)

B、O(n^2)

C、O(nlog2n)

D、O(log2n)