时间复杂度和空间复杂度

时间复杂度
	1、简化方法:
	
		O(常数):O(1)
		O(an+b):O(n)
		O(n^m+n^n+...): 假设m最大,则为O(n^m)
	
	2、常见时间复杂度例子
		O(1):
			function foo(){
			  let n = 1
			  let b = n * 100
			  if(b === 100){
			      console.log("开始吃糖")
			  }
			  console.log("我吃了1颗糖")
			  console.log("我吃了2颗糖")
			  ......
			  console.log("我吃了10000颗糖")
			}
		
		O(n):只有一层循环或递归等
			function foo1(n){
			   for( let i = 0; i < n; i++){
			       console.log("我吃了一颗糖")
			   }
			}
			function foo2(n){
			   while( --n > 0){
			       console.log("我吃了一颗糖")
			   }
			}
			function foo3(n){
			   console.log("我吃了一颗糖")
			   --n > 0 && foo3(n)
			}
	
		O(n²):嵌套循环
			function foo1(n){
			    for( let i = 0; i < n; i++){
			        for( let j = 0; j < n; j++){
			            console.log("我吃了一颗糖")
			        }
			    }
			}
		
  			function foo2(n){		n^2+n=>n^2
			    for( let k = 0; k < n; k++){
			        console.log("我吃了一颗糖")
			    }
			    for( let i = 0; i < n; i++){
			        for( let j = 0; j < n; j++){
			            console.log("我吃了一颗糖")
			        }
			    }
			}

		O(logn):需要通过a^x=y这样的表达式,得出x的情况
			logn的底数不是固定的,可能为2可能为3...
			
			function foo1(n){
			    let day = 0
			    while(n > 1){
			        n = n/2
			        day++
			    }
			    return day
			}
			
			function foo2(n){
			    for(let i = 0; i < n; i *= 2){
			        console.log("一天")
			    }
			}
			
		O(nlogn): O(logn)的基础上再加个循环
			如二分法外围再套个循环

时间复杂度排序:

空间复杂度:
	算法执行过程中，需要开辟多少空间
	
	O(1):不会因为算法里的执行,导致额外的空间增长,就算是一万行,空间复杂度也是 O(1)
		function foo(){
		    let n = 1
		    let b = n * 100
		    if(b === 100){
		        console.log("开始吃糖")
		    }
		    console.log("我吃了1颗糖")
		    console.log("我吃了2颗糖")
		    ......
		    console.log("我吃了10000颗糖")
		}

	O(n):
		n的数值越大,算法需要分配的空间就需要越多
		function foo(n){
		    let arr = []
		    for( let i = 1; i < n; i++ ) {
		        arr[i] = i
		    }
		}
		
	O(n^2):
		function foo(n){
		    let arr = []
		    for( let i = 1; i < n; i++ ) {
		    	let arr2=[];
		        for( let j = 1; j < n; j++ ) {
		        	arr2.push(j)
		    	}
		    	arr.push(arr2);
		    }
		}