时间复杂度、空间复杂度的概念和计算（折半查找时间复杂度计算、按位异或的计算、递归的空间复杂度）

一、时间复杂度
1、什么是时间复杂度和空间复杂度
2、如何计算常见算法的时间复杂度和空间复杂度

  在理解这两个概念之前，需要先明白一个概念：即算法效率
算法效率分为时间效率和空间效率，时间效率为算法运行的时间，空间效率为算法额外占据的内存。
  早期的计算机其内存容量很小，因此对空间效率比较重视，然而随着计算机的发展，如今计算机的内存容量已经很大了，对于算法的内存已经不再显得那样重要。所以今天更加关注的是时间效率，即时间复杂度。

1、时间复杂度：
即衡量算法运行的时间。时间复杂度是一个函数，其定量的描述了算法运行的时间。
事实上，算法实际运行的时间我们是不知道，需要在计算机上实际运行才知道到底要多久。
但是，我们却可以通过计算，估量一个算法的运行时间，一个算法到底需要跑几百年还是跑几分钟几秒钟我还是知道的吧？
通俗而言，时间复杂度就是首先估量一个算法是否可行。在面对大规模问题的时候，时间复杂度就显得尤为重要，同样规模的问题，不同的算法的运行时间可能出现巨大的差距。

如何计算时间复杂度呢？
时间复杂度的一个影响因素是基本操作的执行次数。
我们在计算时间按复杂度时，不需要知道精确的执行次数，只需要大概的执行次数。
时间复杂度用大O的渐进表达式：O() 这是一种用于描述函数渐进行为的数学符号。O就表示估算，渐进
1、当时间复杂度（函数表达式）为常数时，都用O(1)表示
2、其他情况，只保留函数表达式的最高阶位,同时去掉系数

时间复杂度存在最好和最坏以及平均情况
最好情况：任意输入规模的最小运行次数
最坏情况：任意输入规模的最大运行次数
平均情况：任意输入规模的平均次数，就是最大次数和最小次数的平均值
而我们一般关注的是最坏的情况，我给你一个最坏的次数，那么你就能够做好最坏的准备，有一个预期

2、空间复杂度：

衡量算法占据的内存大小
  空间复杂度不是说一个程序占据内存空间几个字节，没有实际的意义。而是计算变量的个数
记住，时间复杂度不是计算时间，而是计算次数，空间复杂度数也不是计算内存大小，而是计算变量个数
其表示方式和时间复杂度是一样的，也是用大O渐进表示法

对于时间复杂度来说，时间是累计的，运行了多久就是多久。但是对于空间来说，空间是不累计的，因为一个变量出了函数就会被销毁，释放内存。

注意：对于动态内存管理来说，每一次开辟一次空间，就相当于创建了一个变量，
例如，malloc(n*sizeof(int))，其空间复杂度就是O（n）
可是为什么呢？因为这个malloc的意思是：开辟了一个数组空间，这个数组有n个元素，每个空间为int类型
所以，就相当于开辟了n个变量的空间，也就是说创建了n个变量

折半查找的空间复杂度：
假设有序数组有n个元素，一次找一半，最坏情况找到：
2*2*2*...*2*1 = N
这个式子的意思是：找一次，N就少一半，就相当于N/2；找两次，(N/2)/2；最后经过x次找到，
那么就是说n除了x次N,最后一次只剩下一个，就不用找了，就剩一个了。
因此，2^x = N;
所以，x 等于 以2为底数，n为真数的对数
那么算法执行次数就是x次，也就是O(log2 N)
但是因为对数形式书写不方便，一般来说都是直接写logN,但是这是不严谨的，只是为了书写方便，要注意

常见的时间复杂度：
O（n^2）、O(n)、O(logN)、O(1)
注意：最吊的时间复杂度是O(1),也就是说，如果一个算法的时间复杂度是O（1），那么该算法就是最优算法。
同时，O(logN)的时间复杂度和O(1)是一个级别的
为什么：
假设，一个算法时间复杂度为log2 N,底数直接取最小为2，对数运算：2^x = N
2^10 = 1024//千量级的
2^20 = 1024*1024//100万量级的
2^30 = 1024*1024*1024//10亿级别的
也就是说，计算一个数据规模为1千级别的，只需要计算10次，
计算一个数据规模为100万级别的，只需要计算20，
计算一个数据规模为10亿级别的，只需要计算3次！
简直不要太猛！
这还只是底数为2的数据，如果底数更大，那么次数降的更厉害

数据的交换可以使用按位异或实现

按位异或表示，相同为0，不同为1

例如：

想要把x换成y，即：x^y^x = y;

这在一些算法计算是用得到的

注意：递归的空间复杂度：