时间复杂度与空间复杂度

如何衡量一个算法的好坏？

即算法的效率问题，分为两种：一种是时间效率（被称为时间复杂度），一种是空间效率（空间复杂度）。时间复杂度主要衡量的是一个算法的运行速度，而空间复杂度主要衡量一个算法所需要的额外空间。现如今，计算机行业不断发展，我们已经不需要再去特别关注一个算法的空间复杂度。

时间复杂度

1、定义：算法中的基本操作的执行次数，为算法的时间复杂度。
2、O的渐进表示法
计算一下Func基本操作执行了多少次？

Func执行的基本操作次数：F(N)=N^2+2*N+10
实际中我们在计算时间复杂度时，并不一定要计算精确的执行次数，而只需要大概执行次数即可，这就用到了我们所说的O的渐进表示法。

推导大O阶方法：

• 用常数1取代运行时间中的所有加法常数。
• 在修改后的运行次数函数中，只保留最高阶项。
• 如果最高阶项存在且不是1，则去除与这个项目相乘的常数。得到的结果就是大O阶。

Func的大O阶：O(N^2)

虽然算法的时间复杂度存在最好、平均及最坏三中情况，但我们通常关注的是算法的最坏运行情况，因为一旦达到了最坏情况，程序就会崩溃，我们应该尽量去避免这样的情况出现。

空间复杂度