时间复杂度和空间复杂度

一算法效率

1.时间效率：时间复杂度

代码执行的次数为时间复杂度。

举例：

pulblic static void main(String[] args){
    int n ;
    for(int i  = 0; i < n ;i++){
        
    }
    for(int i  = 0; i < n ;i++){
       for(int j  = 0; j < n ;j++){
            sum = sum + j;
        } 
    }
    
}

时间复杂度:O(N) = n^2 + n;

当 n = 10时，算法时间复杂度：100+10；

当 n = 100时，算法时间复杂度：10000+100；

当 n = 1000时，算法时间复杂度：1000000+1000；

可以看出，影响算法的时间效率为最高阶的次数

递归函数的时间复杂度：

一个递归函数的时间复杂度，要把这个递归函数展开，看一下递归的次数与变量N的关系

1.阶乘的时间复杂度：

 public static int jieChen(int num){
        if (num == 2){
            return num;
        }
        return num * jieChen(num-1);
    }

将函数展开：num * (num -1) * (num -2) * ......* 2 * 1  —> 递归函数总共执行了n次，所以算法使劲按复杂度为O(N);

2.斐波那契时间复杂度;

public static int febonqie(int num){
        if (num == 1 || num == 2){
            return 1;
        }
        return febonqie(num-1)+febonqie(num-2);
    }

展开：

相当于求二叉树的节点个数，相当于2^n - 1的时间复杂度，所以O(N) = N^2;

O的推到原则：

O(1)的表示常数次的时间复杂度

时间复杂度每次只保存最高阶，其他阶忽略，最高阶的系数也忽略。

三种时间复杂度：

1.最好时间复杂度：任意输入规模运行的最大时间

2.最坏时间复杂度：任意输入规模运行最小时间

3.平均时间复杂度：任意输入规模的期望时间

2.空间效率：空间复杂度

代码执行时额外开辟的空间大小为空间复杂度。

空间复杂度就看算法中是否开辟了数组空间

递归函数的空间复杂度：

函数每次递归调用开辟空间的大小 * 函数递归的次数