时间复杂度和空间复杂度

时间复杂度

在算法的分析中，语句的执行次数T(n)是一个关于n（问题规模）的一个函数。分析n的变化引起T（n）的改变，进而得到T（n）的数量级，也就是时间频率。如果存在某一个辅助函数f（n），当n趋于无穷大时，T(n)/f(n)的值为一个不为0的常数，有T(n)=O(f(n)),这就是算法的渐进时间复杂度，也就是我们常说的时间复杂度。

大O表示法：用O(f(n))来体现时间复杂度的方法被称作大O表示法；
大O推导法
O（1）叫做常数阶；O（n）叫做线性阶；O(n^2)叫做平方阶。
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，则去除与这个项相乘的常数。得到的结果就是大O阶。

举一个简单的例子

int i;
for(i=0;i<n;i++)//该语句的复杂度为O(n)
{
	cout<<i;    //该语句的复杂度为O(1);
}

这段代码的时间复杂度为O(n),其中“cout<<i”的执行次数为1，是常量阶，所以它的复杂度为O(1)；“for(i=0;i<n;i++)”的执行次数是n，是线性阶，所以它的复杂度为O(n)。整段代码的复杂度为O(1*n),也就是O(n).
常见的时间复杂度所损耗时间排序

空间复杂度

空间复杂度指的是一个程序在执行时，所占有的临时内存空间大小：S(n)=O(f(n))；n是问题的规模，f(n)为语句关于n所占据的内存的函数。
举个简单的例子
交换两个变量的值,它需要定义一个临时的变量，这就造成了空间复杂度，因为是常量阶，所以它的空间复杂度为O(1).

	int i = 10, j = 100;//两个需要交换的值
	 //交换变量的值
	int temp=i;//定义临时变量
	i=j;
	j=temp;

提到空间复杂度，就需要提一下递归了，在进行递归的算法的时候，每一次的递归都会使用临时的变量保存递归的信息，所以递归的方法很消耗内存，也就是空间复杂度相对较高。如果递归次数过多，会造成内存超载，无法计算得到需要的数据。所以，当循环的次数过多的时候，尽量不要使用递归方法。