时间复杂度
* O(最简频度)
* 分别计算程序中每条语句的执行次数,然后用总的执行次数间接表示程序的运行时间。
* 事实上,对于一个算法(或者一段程序)来说,其最简频度往往就是最深层次的循环结构中某一条语句的执行次数。例如 2n+1 最简为 n,实际上就是 a++ 语句的执行次数;同样 2n^2+2n+1 简化为 n2,实际上就是最内层循环中 num++ 语句的执行次数。
* O(1)常数阶 < O(logn)对数阶 < O(n)线性阶 < O(n^2)平方阶 < O(n^3)(立方阶) < O(2n) (指数阶)
空间复杂度
* 如果程序所占用的存储空间和输入值无关,则该程序的空间复杂度就为 O(1)
* 如果随着输入值 n 的增大,程序申请的临时空间成线性增长,则程序的空间复杂度用 O(n) 表示;
* 如果随着输入值 n 的增大,程序申请的临时空间成 n^2 关系增长,则程序的空间复杂度用 O(n^2) 表示;
* 如果随着输入值 n 的增大,程序申请的临时空间成 n^3 关系增长,则程序的空间复杂度用 O(n^3) 表示;
等等。
在多数场景中,一个好的算法往往更注重的是时间复杂度的比较,而空间复杂度只要在一个合理的范围内就可以。