关于时间复杂度和空间复杂度

时间复杂度

时间复杂度DXX体会

大O表示法是算法的渐进时间复杂度，感觉是从数量级？的角度来描述算法时间复杂度的增长趋势？
大O表达其实表示的不是精确的时间消耗，而是关注其属于的量级。比如O(N+N^2 )=O(N^2), 而过分纠结O(2N),O(3N)和O(2N+3N)是没有意义的，因为其全可以表达为O(N)。 ------ 看该算法以怎样的数量级形式趋于无穷大，而不在意常数项系数的影响。

别人的不错解释~

感觉下面的解释都很不错~
1、链接: link.
这篇博客解释的很清楚。
需要注意的是，对于顺序执行的for的对应的复杂度为O(N1+N2)，根据量级不同，可取更大量级者简化表述。
2、链接: link.
这篇文章对一些常见的大O表达的数量级都做了解释说明~

结合论文自己的看法~

论文中有些时间复杂度，空间复杂度的分析超级吓人，甚至怀疑自己是不是之前看到的相关解释是错的。不得不自问自答自high一下了。
1、 为什么论文中不用O(N), O(N^2)之类的来表示？反而。。。。。。
感觉有两个原因：第1：这么写看起来够复杂，似乎很厉害的亚子！第2：人家没法表达成美丽的O(N), O(N^2)好嘛！每一轮for的次数不一样，不好合并成幂次之类的呀哥！
2、 有什么一些变量莫名其妙就出现在算法复杂度里了。


虽然看起来只有一项吧，貌似算一次的亚子。但是！人家n是可变的呀（t也是），所以在考虑的时候根据考虑的范围、需求要将对应的变量也考虑进行分析。
3、 顺序for到底咋写哦？要不要省去更小的那一项？

别了吧。论文里的算法又达不到O(N+N^2 )=O(N^2)那样的优美度，加号就加号吧，别省去了还是，就老老实实一步步写出来得了。

空间复杂度

再说啊吧