时间复杂度和空间复杂度

复杂度

1.     快（代码执行效率），省（代码占用更少的存储空间），是数据结构和算法要解决的问题。
2.     时间复杂度是算法执行的时间，空间复杂度是算法占用的内存的内存大小。

 大 O 复杂度表示法

      1: 算法的执行效率，初略的讲就是代码的执行时间。分析的时候，假设每行代码执行一次命令的时间都是一样的（unit_time)，用代码执行的总次数乘以unit_time，即为代码执行的时间。可以得出结论，所有代码的执行时间T(n)与每行代码的执行次数n成正比。总结公示如下：

                     

T(n) 代表代码执行的时间，n 表示数据规模的大小；f(n) 表示每行代码执行次数的相加总和。 O 表示代码执行时间T(n) 与 f(n) 表达式成正比。大O 表示法并不是代码实际的执行时间，而是代表代码执行时间随数据规模增长的变化趋势，所以也叫渐进时间复杂度，简称时间复杂度。

      2：f(n) 公示中的低阶，常量，系数三部分并不左右增长趋势，所以都可以忽略，只需要记录一个最大量级就可以。

      3: 时间复杂度分析比较实用的方法：

•   只关注循环执行次数最多的一段代码
•   总复杂度等于量级最大的那段代码的复杂度
•    嵌套代码的复杂度等于嵌套内外代码复杂度的乘机

      4: 常见时间复杂度的量级

             常量阶 O(1)，对数阶O(logn)，线性阶级O(n)，线性对数阶O(nlogn)，平方阶O(n*n)，立方阶级(n*n*n)...

            指数阶O(2的n次幂），阶乘阶O(n!)

      5: 空间复杂度

          表示算法存储空间与数据规模之间的增长关系。 例如 申请一个 大小为n 的数组

          int[] a =new int[n]; 空间复杂度就位 O(n)

最好，最坏，平均，均摊时间复杂度

      

// 在数组长度为m中查找某一个指定元素

int find(int[] arr,int n , int x){
   
   int position=-1;
   for(int i=0;i<n;i++){
      if(arr[i]==x){
         position=i;
         break; 
      }
       
   } 
   return position;
}

如果x 正好在数组的第一个元素，那么时间复杂度为O(1), 如果不在数组中，那么就需要遍历整个数组，时间复杂度为为O(n)。所以不同情况下这段代码的时间复杂度是不同的。因此，引入三个概念：

最好时间复杂度（在最理想的情况下，执行这段时间的时间复杂度）。

最坏时间复杂度（在最糟糕的情况下，执行这段时间的时间复杂度）。

平均时间复杂度

最好，最坏时间复杂度都是在极端的情况下，发生的概率并不是很大，所以引入平均时间复杂度。平均时间复杂度，需要引入概率论的相关知识。同样对上面代码进行分析：

假设数据x 在数组中和不在数组中的概率都为 1/2；要查找的数据出现在 0～n-1 的位置上的概率为 1/n; 一共有n+1种情况，在 0～n-1 位置上出现，和第n 中情况，不在数组中，所以 最后的公示为：

这个值也叫加权平均值，也叫期望值。所以平均时间复杂度全称为加权平均时间复杂度，也叫期望时间复杂度。用大O表示发，去掉常量和系数阶，最后时间复杂度为O(n)。

实际上，我们并不需要考虑最好，最坏，平均时间复杂度，只有在同一段代码在不同情况下，时间复杂度出现量级的区别时候，才考虑使用这三种时间复杂度。

均摊时间复杂度（摊还分析法）

int[] array= new int[n];
int count=0;

void insert(int val){
   if(count==array.length){
     int sum=0;
     for(int i=0;i<array.length;i++){
      sum=sum+array[i]; 
     }
     array[0]=sum;
     count=1;
   }
   array[count]=val;
   ++count;
}

最好情况时间复杂度O(1)（数组没满，直接插入），最坏时间复杂度O(n)（需要遍历所有数组的值求和保存到 array[0])，平均时间复杂度也为O(1)。平均时间复杂度计算如下：

假设数组长度为n，根据位置的不同（有n中情况,数组中有空闲位置），我们插入位置的时间复杂度为O(1)。还有一种情况是数组没有位置，这个情况的时间复杂度为O(n)。 这n+1种情况的加权平均时间复杂度为：

去掉常数阶和系数阶，平均时间复杂度为O(1).

insert 方法时间复杂度有一定规律，一般都是一个O(n) 之后，紧跟值n-1个O(1)。所以针对这个特殊的情况，我们引入摊还分析法，通过此法得到的时间复杂度，称为均摊时间复杂度，具体如下：

每一次O(n)的插入，都跟着n-1个O(1)的插入操作，所以把耗时多的那次操作均摊到接下来n-1次耗时少的操作上，均摊下来，这一组连续的操作均摊时间复杂度就是O(1)。均摊时间复杂特点，大部分时间复杂度都很低，只有个别情况时间复杂度比较高，而且这些操作存在前后连贯的性的时序关系