（二）时间复杂度和空间复杂度

---

前言

这里会主要给大家介绍时间复杂度的计算方法

---

一、时间复杂度

提到时间复杂度，第一时间想到的是算法，简单说，算法就是你解决问题的方法，而你用这个方法解决这个问题所执行的语句次数，称为语句频度或者时间频度，记为T(n)。

1. 分析方法

1.用常数一取代运行时间中的所有加法函数。
2.在修改后的运行次数函数中，只保留最高项阶。
3.如果最高项存在且不是1，则去除与这个项相乘的常数。
4.得到的最后结果就是大O阶。

2.实例分析

想必大家在学C语言的时候都知道高斯的故事吧，我们就用这个简单的例子练练手吧：计算1+2+3+4+…+100；
如果我们还没有学等差数列的时候我们会这样写：

int num = 0,i = 0,n = 100;\\1次
for(i = 1;i <= n;i++)     \\100次
{
    num += i;             \\100次
}

n是问题的规模，经过上面的分析，我们可以算出这个算法执行的次数是2n+1，再根据我们的分析方法很容易可以计算出这个算法的时间复杂度是O(n)。
高斯这位小神童就在大家手都快算破的时候，高斯一下子就说出了答案，大家都知道他只算了一次，也就是：

int n = 100,num;
num = (n + 1)*n/2;

这个算法就很简单了，因为他只执行了一次，所以它的时间复杂度就是O(1)

3.常用时间复杂度所耗费时间从小到大：

O(1)<O(logn)<O(n)<O(n*logn)<O(n^2)
<O(n^3)
<O(2^n)
<O(n!)
<O(n^n)
(不知道为啥老出问题就只能这样打)

二、空间复杂度

算法的空间复杂度通过计算算法所需要的存储空间实现。S(n) = O(f(n))n为为题的规模，f(n)为语句关于n所占存储空间的函数。

总结

我们一般主流实现的是空间换取时间的算法，所以空间复杂度在这里就不多给大家介绍了。