算法复杂度--时间复杂度，空间复杂度

算法时间复杂度的定义：

在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，进而分析T(n)随n的变化情况并确定T(n)的数量级，也就是算法的时间量度，记作：T(n)=O(f(n)).它表示随着问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐进时间复杂度，简称为时间复杂度。f(n)为问题规模n的函数。

这样用大写O()来体现算法时间复杂度的记法称为“大O记法”。

推到大O阶方法：

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。

for(int i = 0; i < n; ++i)
{
     for(int j = 0; j < m; ++j)
    {
         //时间复杂度为O(1)的程序步骤序列
     }
}

执行次数f(n) = n x m,因此可得时间复杂度为O(  n x m)

常见的时间复杂度：

12 —> O(1)；2n+3 —> O(n)；3n^2+2n+1—> O(n^2)；12logn + 2 —> O(logn)；12 n + 4nlogn+18—> O(nlogn)；12n^3 + 4n^2 + n ——> O(n^3)；12^n —> O(12^n)

常用时间复杂度耗费时间大小：

O(1) < O(logn) < O(n) < O(nlogn) < O(n^2) < O(n^3) < O(2^n) < O(n!) < O(n^n) 

算法空间复杂度：

算法空间复杂度通过计算算法所需要的存储空间实现，算法空间复杂度的计算公式：S(n) = O(f(n)),其中，n为问题的规模，f(n)为语句关于n所占存储空间的函数。