算法的时间复杂度和空间复杂度

算法复杂度

在程序设计时，一个问题往往有多个算法可以解决，但不同算法的代价却会有很大的区别。一个算法的质量优劣将影响到算法乃至程序的效率。

那我们应该如何去衡量不同算法之间的优劣呢？主要还是从算法的代价来考量。
1.时间代价：执行当前算法所消耗的时间。
2.空间代价：执行当前算法所占用的内存空间。

算法的代价通常用时间复杂度和空间复杂度来度量。

时间复杂度

（1）时间频度
一个算法执行所耗费的时间，从理论上是不能算出来的，必须上机运行测试才能知道。但我们不可能也没有必要对每个算法都上机测试，只需知道哪个算法花费的时间多，哪个算法花费的时间少就可以了。并且一个算法花费的时间与算法中语句的执行次数成正比，哪个算法中语句执行次数多，它花费时间就多。一个算法中的语句执行次数称为语句频度或时间频度。记为T(n)，n为问题的规模。
（2）时间复杂度
在刚才提到的时间频度中，当n不断变化时，时间频度T(n)也会不断变化。但有时我们想知道它变化时呈现什么规律。为此，我们引入时间复杂度概念。

一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数，用T(n)表示，若有某个辅助函数f(n),使得n趋近于无穷大时，T(n)/f(n)的极限值为不等于0的常数，则称f(n)是T(n)的同数量级函数。记作T(n)=O(f(n)),称O(f(n)) 为算法的渐进时间复杂度，简称时间复杂度。

以下是常见的时间复杂度。
1、常数阶O(1)

int