大O表示法

大O表示两种，一种是时间复杂度，一种是空间复杂度

计算斐波那契数列
斐波那契数列指的是这样一个数列：
1、1、2、3、5、8、13、21、34
这个数列从第3项开始，每一项都等于前两项之和。

---

第一个例子

	public static void main(String[] args) {
        System.out.println(method1(40));
    }

    public static int method1(int n) {
        int a = 1;
        int b = 1;
        int c = 1;
        for (int i = 3; i <= n; i++) {
            c = a + b; 	//c=1+1;c=1+2;
            a = b;	//a=1;a=2;
            b = c;	//b=2;b=3;
        }
        return c;
    }
    第一次循环,下标 i=3, 得出的 c=2;
    第二次循环,下标 i=4, 得出的 c=3;

输出结果

这个时候时间复杂度为O(N) ，空间复杂度O(1)

原因
这个例子数据量扩大n倍时，时间复杂度消耗同样也是n倍，所以时间复杂度为O(N)。
只要是常数，空间复杂度估算为O(1)，常数是可以忽略的，所以空间复杂度为O(1)。

---

第二个例子(递归)

	public static void main(String[] args) {
        System.out.println(method2(40));
    }

    public static int method2(int n) {
        if (n == 1 || n == 2) {
            return 1;
        }
        return method2(n - 1) + method2(n - 2);
    }

输出结果

虽然结果相同，但是如果传入n稍微大一点，程序就需要执行很长时间。
比如将n改为60，控制台就需要很长时间才打印出结果。

原因
第二个例子数据量扩大n倍时，时间复杂度消耗是2的n次方，所以时间复杂度为O(2^N)。
由于同样是常数，所以空间复杂度为O(1)。

---

总结

复杂度研究的其实是数据量扩大n倍时，时间、空间消耗扩大多少倍的问题。