时间复杂度、空间复杂度

一、时间复杂度

定义： 时间复杂度是指执行算法所需要的计算工作量

话不多说，直接上图：

一个算法中的语句执行次数称为 语句频度或时间频度。记为T(n)。

• 第一个：T(n) = 2；
• 第二个：T(n) = 3n+3；

缺点：当代码量越来越大的时候，我们使用 T(n) 就太麻烦了，得一条一条语句去数。
解决：直接使用 T(n) 的估算值。（这个估算值就是时间复杂度）

（1）怎么估算时间复杂度

举例：

有分支结构的时间复杂度：选择复杂度最高的分支

其他奇奇怪怪的时间复杂度：

注意： log 的底数和系数都是需要去掉的。

（2）时间复杂度的对比

纵坐标为：0——10

纵坐标为：0——100

纵坐标为：0——10000

可以看出：时间复杂度是 n³ 的程序是很恐怖的，会占用很多的 cpu 资源。

二、空间复杂度

既然时间复杂度不是用来计算程序具体耗时的，那么我也应该明白，空间复杂度也不是用来计算程序实际占用的空间的。

空间复杂度是对一个算法在运行过程中临时占用存储空间大小的一个量度，同样反映的是一个趋势，我们用 S(n) 来定义。

• 空间复杂度 O(1)

int i = 1;
int j = 2;
++i;
j++;
int m = i + j;

代码中的 i、j、m 所分配的空间都不随着处理数据量变化，因此它的空间复杂度 S(n) = O(1)

• 空间复杂度 O(n)

int[] m = new int[n]; // 空间复杂度为 O(n)

for(i=1; i<=n; ++i) //没有定义新的变量，所以为 O(1) ，被忽略
{
   j = i;
   j++;
}

没写完，有相关的内容，再进行添加。