数据结构与算法2——时间复杂度和空间复杂度

算法效率的度量方法：事后统计的方法、事前分析估算方法。

算法的时间复杂度：在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，进而分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度记作：T(n)=O(f(n))。它表示随问题规模n的增大，算法执行时间的增长率和f（n）的 增长率 相同，称作算法的渐进时间复杂度，简称为时间复杂度。随着输入规模n的增大，T(n)增长最慢的算法是最优的算法。

推导大O阶的方法：1.用常数1取代运行时间中的所有加法常数；2.在修改后的运行次数函数中，只保留最高阶；3.如果最高阶项存在且不是1，则去除与这个项相乘的常数。（考虑数列）

线性阶：一般含有非嵌套循环涉及线性阶，线性阶就是随着问题规模n的扩大，对应计算次数呈直线增长。

平方阶：2个循环嵌套在一起。

对数阶：

函数调用的时间复杂度分析

算法的空间复杂度：计算算法所需要的存储空间，S(n)=O(F(n))。