时间复杂度和空间复杂度

在聊时间复杂度和空间复杂度之前我们先来了解一下算法的效率吧。

算法的效率

算法效率分析分为两种：第一种是时间效率，第二种是空间效率。时间效率被称为时间复杂度，而空间效率被称作空间复杂度。 时间复杂度主要衡量的是一个算法的运行速度，而空间复杂度主要衡量一个算法所需要的额外空间，在计算机发展的早期，计算机的存储容量很小。所以对空间复杂度很是在乎。但是经过计算机行业的迅速发展，计算机的存储容量已经达到了很高的程度。所以我们如今已经不需要再特别关注一个算法的空间复杂度。

时间复杂度

1. 时间复杂度的概念
2. 大O的渐进表示法
3. 常见的时间复杂度举例

时间复杂度的概念
时间复杂度的定义：在计算机科学中，算法的时间复杂度是一个函数，它定量描述了该算法的运行时间。一个算法执行所耗费的时间，从理论上说，是不能算出来的，只有你把你的程序放在机器上跑起来，才能知道。但是我们需要每个算法都上机测试吗？是可以都上机测试，但是这很麻烦，所以才有了时间复杂度这个分析方式。一个算法所花费的时间与其中语句的执行次数成正比例，算法中的基本操作的执行次数，为算法的时间复杂度。
大O的渐进表示法T（n）=O（f（n））；
在一个算法存在最好、平均、最坏三种情况，我们一般关注的是最坏情况（最坏的情况都考虑到了，平均和最好就不用看了）而且最坏情况出现的比较频繁。
一般O（n）的计算方法：
1、用常数1取代运行时间中的所有加法常数。
2、在修改后的运行次数函数中，只保留最高阶项。
3、如果最高阶项存在且不是1，则去除常数即可。
注意：4.递归算法的时间复杂度为：递归总次数*每次递归中基本操作执行的次数。
常见的时间复杂度有以下七种：O（1）常数型；O（log2N）对数型，O（N）线性型，O（Nlog2N）二维型，O（N^{2)平方型，O（N}3)立方型，O（2^N）指数型。
常见的时间复杂度举例

实例1：
// 计算func2的时间复杂度？
void func2(int N) {
   
int count = 0;
for (int k = 0; k < 2 * N ; k++) {
   
   count++; }
int M = 10;
while ((M--) > 0) {
   
   count++; }
System.out.println(count);
}

实例1基本操作执行了2N+10次，通过推导大O阶方法知道，时间复杂度为 O(N)

实例2：
// 计算func3的时间复杂度？
void func3(int N, int M) {
   
int count = 0;
for (int k = 0; k < M