时间复杂度与空间复杂度

时间复杂度

算法时间开销与问题规模 的关系T(n),常用大O表示法表示

算法复杂度分析比较

O(1)<O(${\log }_2^n$)<O(n)<O(n${\log }_2^n$)<O($n^2$)<O($n^3$)<O($2^n$)<O(n!)<O($n^n$)

算法时间复杂度满足规则

1.加法规则：
O(f(n))+O(g(n))=O(max((f(n),g(n)))
2.乘法规则
O(f(n))*O(g(n))=O(f(n)*g(n))

复杂度分类

三种复杂度：最坏时间复杂度、平均时间复杂度和最好时间复杂度
平均时间复杂度：考虑所有输入数据都等概率出现的情况。
一般只考虑最坏时间复杂度和平均时间复杂度，不考虑最好时间复杂度。

空间复杂度

即算法运行所需的内存空间大小,考虑空间复杂度时，需要找到所占空间大小与问题规模相关的变量。

算法原地工作：算法所需内存空间为常量，即S(n)=O(1)
注意：对于函数递归的内存开销来说：
当局部变量占据内存空间大小与问题规模无关时，空间复杂度 = 递归调用的深度（原因是每进行一次函数递归操作，会导致一份新的局部变量的声明，因此会占据内存空间，所以其内存空间的占用与递归深度成正比）

当局部变量占据内存空间大小与问题规模相关时，例如

此时S(n)=(1+n)n/2=O($n^2$)