计算程序的时间复杂度和空间复杂度

理解程序执行的时间复杂度和空间复杂度对于优化程序非常重要
本篇文章重点分析如何计算一个程序的时间复杂度和空间复杂度
一、时间复杂度
对涉及的对数时间复杂度写法的说明：
平时我们计算时间复杂度常说的logn以及nlog都没有涉及底数，这是因为无论是以e为底，还是以某个常数为底，底数始终是一个常数，在计算时间复杂度时常数可以忽略，因此，习惯性的写为logn、nlogn等等。
概念
执行算法所需要消耗的时间长短，称为算法的时间复杂度。
时间复杂度的表示方式(大O)
T(n)=O(f(n))
n是影响复杂度变化的因子，f(n)是复杂度具体的算法。
常见的时间复杂度量级(从小到大)
常数阶:O(1)；
对数阶:O(logn)
线性阶:O(n)；
线性对数阶:O(nlogn)
平方阶:O(n²)
立方阶:O(n³)
k次方阶:O(n^k)
指数阶:O(2ⁿ)
阶乘阶:O(n!)
下面为了方便理解这些阶数的大小，给出博客(https://www.cnblogs.com/chenjinxinlove/p/10038919.html)
中绘制的时间复杂度曲线以及性能比较。


举例分析
常数阶

int x=1;
int y=7;
y=x;

时间复杂度表示的是代码执行时间的一个增长变化趋势，在上面的代码中无论出现多少个赋值语句，其时间复杂度仍为O(1)。这是由于赋值操作本身没有增长趋势。
对数阶

int i=1;
while(i<n){
	i*=2;
}

对于上面的代码，假设n=16，则循环实际上一共执行4次，2⁴=16，log₂¹⁶=4。所以时间复杂度为O(logn)，至于为什么不写成O(lon₂ⁿ)，在文章的开头已经说明，这里不再赘述。
线性阶

int i=0;
int j=0;
while(i<n){
	i++;
	j++;
}

利用上面的代码顺便解决一个疑惑，
为什么时间复杂度都是统一的形式，不需要加常数项或者倍数
对于上述第1、2行代码，各执行一次；第三行代码执行1次；第4、5行代码各执行n次，加起来整个程序一共执行了2n+3次，那时间复杂度是不是直接写O(2n+3)就好了？？
开始我也这么觉得，但是本文章上面提到，时间复杂度表示的是时间增长的一个趋势，占据算法运行时间长短的是它的增长趋势，1表示常数阶，n表示线性阶等等，因此没有~~O(2n+3)~~这种写法，只有O(n)，统一写为O(n)也可以更好地区分，只要时间复杂度都为O(n)，除去最好和最坏的时间，其算法的运行时间在一个数量级上，相差不会太大。
线性对数阶

int i=0;
int j=1;
while(i<n){
	while(j<n){
		j*=2;
	}
	i++;
}

上面算法有两层循环，最外层执行n次，里面一层执行logn次，因此算法事件复杂度为O(nlogn)。这两个算法的代码在上面都分析过，只不过在此进行嵌套。
平方阶

int i=0;
int j=0;
while(i<n){
	while(j<n){
		j++;
	}
	i++;
}

对于上面已经提到的线性阶O(n)，两个线性阶进行嵌套，得到的就是平方阶，当然两层循环不一定都用n表示，改成m也是平方阶。趋势！趋势！趋势！很重要。
立方阶、k次方阶，在这里不再举例，就是对线性阶的多层嵌套
对于后面的指数阶和阶乘阶在这里不好给出例子(我没找到合适的简单概括这两个例子的代码)，恳请各位大神在评论区补充，我看到后一定立马补充进来，谢谢你们。
二、空间复杂度
概念
算法执行所需要消耗的存储空间的大小，称为算法的空间复杂度
空间复杂度主要包含三个方面：
1.程序本身所占空间
2.输入数据所占空间；
3.辅助变量所占空间
这个空间复杂度的理解可以对比时间复杂度来理解和计算
空间复杂度的表示方式(大O)
S(n)=O(g(n))
n表示问题规模
举例分析
常数阶

int i=0;
int j=0;
int sum=0;
i+=100;
j-=1000;
sum=i+j;

对上面的代码分析可知，代码中所需要的临时空间不会随着某个变量的改变而增加存储空间，因此算法的空间复杂度是一个常数阶O(1)。
线性阶

vector<int> vec=(n,1);
for(int i=0;i<n;i++)vec.push_back(i);

对于上面的代码，第1行是定义并初始化一个一维向量，向量大小所占的空间为n个int类型的空间，第2行，是对定义的一维向量进行赋值操作，执行了n次，但是没有产生新的空间，所以空间复杂度:S(n)=O(n)，时间复杂度T(n)=O(n)。
三、总结
对于时间复杂度和空间复杂度在小的程序计算中难以察觉，毕竟现在的笔记本和台式CPU的计算能力大大提高，但是当某些数据量变大或者算法较为复杂时，根据时间复杂度和空间复杂度对算法进行优化，对整个算法的执行效率会有质的增长。本人有一篇博客中讲到了归并排序，是一个算法题目，在那个题目中如果不对算法进行选择时，法算执行会占用大量的内存、耗费较多的运行时间，有兴趣的可以去看一下。