算法的复杂度度量--时间复杂度以及空间复杂度

数据结构和算法课程上都有关于时间复杂度的分析，但是自己一直都是一知半解，似乎懂却又不能解释清楚。希望这篇博客作为自己记录成长的开端！

为什么要有时间复杂度以及空间复杂度

评价一个算法有几大标准，主要包括Correctness（正确性），Amount of work done（工作量），Amount of space used（使用空间），Simplicity（简单性），Optimality（最优性）

其中正确性涉及到数学证明；工作量表示整个算法要干多少活，与机器以及输入密切相关，通过基本操作的数目来衡量，此时与时间复杂度相关联；使用空间即空间复杂度，至于简单性和最优性则属于算法的优化部分。

时间复杂度

衡量一个算法好坏最直接的，最容易想到的也就是该算法的计算速度，所需的计算时间，然而计算时间与很多因素相关，选择影响最大，最关键的因素-问题的规模（问题的输入规模）来进行考虑，将特定算法处理规模为n的问题所需的时间记为T(n)。

即使输入规模相同，输入的顺序也会影响计算时间（可以联想排序算法不同输入情况）时间复杂度分为3种情况：最好情况Tbest，Tave，Tworst。简化问题，往往考虑Tworst，即最坏情况下的时间复杂度。并考虑大规模问题，注重时间复杂度随问题规模扩大的总体变化趋势（渐进分析）（类似数学中的极限），引入大O记号来表示T(n)的渐进上界。

<