《数据结构》

《算法的时间复杂度和空间复杂度》

一.前言

算法复杂度:

算法在编写成可执行程序后，运行时需要耗费时间资源和空间(内存)资源 。因此衡量一个算法的好坏，一般是从时间和空间两个维度来衡量的，即时间复杂度和空间复杂度。
时间复杂度主要衡量一个算法的运行快慢，而空间复杂度主要衡量一个算法运行所需要的额外空间。
在计算机发展的早期，计算机的存储容量很小。所以对空间复杂度很是在乎。但是经过计算机行业的迅速发展，计算机的存储容量已经达到了很高的程度。所以我们如今已经不需要再特别关注一个算法的空间复杂度。

二.时间复杂度

2.1时间复杂度的概念

时间复杂度的定义：在计算机科学中，算法的时间复杂度是一个函数，它定量描述了该算法的运行时间。
一个算法执行所耗费的时间，从理论上说，是不能算出来的，只有你把你的程序放在机器上跑起来，才能知道。但是我们需要每个算法都上机测试吗？是可以都上机测试，但是这很麻烦，所以才有了时间复杂度这个分析方式。
一个算法所花费的时间与其中语句的执行次数成正比例，算法中的基本操作的执行次数，为算法的时间复杂度。

看了以上的概念之后我们来算一下下面的这个例子中的++count一共执行多少次.

可以总结出 func1的基本执行次数为 N * N+2*N+10

• N = 10 F(N)=130
• N=100 F(N)=10210
• N=1000 F(N)=1002010

如果我们取其中最高的阶数来运算看看,N*N。

• N = 10 F(N)=100
• N=100 F(N)=10000
• N=1000 F(N)=1000000

是不是发现随着N的增大，F（N）与上列的F（N）也越来越接近，那是不是也就说我们不需要那么精确的去计算执行次数，而只需要大概的执行次数就可以,所以可以使用大O的渐进表示法。

2.2 大O的渐进表示法

大O符号（Big O notation）：是