时间复杂度与空间复杂度分析

1、为什么要分析复杂度？

时间复杂度和空间复杂度（简称时空复杂度）是衡量算法代码的执行效率的重要指标，学习数据结构和算法离不开时间、空间复杂度分析，掌握了复杂度分析，就掌握了学习算法的精髓，所以时空复杂度分析非常之重要。

事后统计法：把代码跑一遍，通过统计、监控得到算法的执行时间和占用内存大小的方法。
事后统计法局限：测试结果非常依赖测试环境，同时测试结果受数据规模的影响很大。

而算法复杂度是一个不需要具体的测试数据，就可以粗略估计算法的执行效率的方法。

2、大O复杂度表示法

求1，2，3…n的累加和，用很简单的代码表示：

public int cal(int n){
   
    int sum = 0;
    for (int i = 1; i <= n; i++) {
   
        sum += i;
    }
    return sum;
}

实际情况中，每行代码对应的cpu执行的个数、执行的时间都是不一样的，我们假设每行代码执行的时间都一样，为t，那么这段代码的总时间为：$$T(n)=t+2n\ast t+t=(2n+2)\ast t$$所有代码的执行时间T(n)与每行代码的执行次数成正比。

继续分析代码：

public int cal(int n) {
   
    int sum = 0;
    for (int i = 1; i <= n; i++) {
   
        for (int j = 1; j <= n; j++) {
   
            sum = sum + i * j;
        }
    }
    return sum;
}

同样假设每个语句执行时间是t，那么总时间T(n)是多少？$$T(n)=t+n\ast t+n^2\ast 2+$$