算法的复杂度（性能）

1、时间复杂度

时间复杂度也就是所说的算法执行所需要耗费的时间，时间越短，算法越好。

第一，算法代码执行的时间往往和算法代码中语句执行的数量有关。

第二，算法的时间复杂度还与问题的规模有关。

Big O notation

O(1)常数复杂度

 eg: int n = 1000

 system.out.println(""); 

O(log n)对数复杂度

eg: for(int i = 1; i <= n; i=i*2){

system.out.println("Hey - I'm looking at : +i"); 

}

O(N)线性时间复杂度

eg: for(int i = 1; i <= n; i++){

system.out.println("Hey - I'm looking at : +i"); 

}

O(N^2)平方 O(N^3)

eg: for(int i = 1; i <= n; i++){

      for(int ij= 1; ij <= n; j++){

          system.out.println("Hey - I'm looking at : +i+ and +j"); 

    }

}

O(2^n)指数

eg: for(int i = 1; i <= math.power(2,n); i++){}

O(n!)阶乘

eg: eg: for(int i = 1; i <= factorial(n); i++){}

只看最高复杂度

例如：

Fibonacci array: 1 1 2 3 5 8 13 21

F(n) = F(n-1)+F(n-2)

常见算法复杂度计算公式：

2、空间复杂度

空间复杂度指的是算法程序在计算机中执行所需要耗费的内存空间。主要分为如下方面：

a. 程序保存所需要的存储空间，也就是程序的大小；

b. 程序在执行过程中做需要消耗的存储空间资源，例如，程序在执行过程的中间变量等。