时间复杂度以及空间复杂度

时间复杂度

从时间和空间方面，衡量一个算法的复杂度

时间复杂度的定义：在计算机科学中，算法的时间复杂度是一个函数，它定量的描述了该算法的运行时间。算法中的基本才做的执行次数，为算法的时间复杂度。

1. 用常数1来取代运行时间中的所有家发常数
2. 再修改后的运行次数函数中，只保留最高阶项
3. 如果最高阶项存在且不是1，则去除与这个项相乘的常数。得到的结果就是O阶

for example ：N²+ 2N +10 ->>>>> N²

最好情况：O(1) 一次找到
最坏情况：O(n) n 次找到
平均情况：O(n/2) n/2 次找到

我们平时讲的均为最坏情况下的时间复杂度

空间复杂度

空间复杂度是对一个算法在运行过程中临时占用存储空间大小的量度 。空间复杂度不是程序占用了多少bytes的空间，因为这个也没太大意义，所以空间复杂度算的是变量的个数。空间复杂度计算规则基本跟实践复杂度类似，也使用大O渐进表示法。

实例1

// 计算bubbleSort的空间复杂度？
void bubbleSort(int[] array) {
	for (int end = array.length; end > 0; end--) {
		boolean sorted = true;
		for (int i = 1; i < end; i++) {
			if (array[i - 1] > array[i]) {
				Swap(array, i - 1, i);
				sorted = false;
			}
		}
		if (sorted == true) {
			break;
		}
	}
}

实例2

// 计算fibonacci的空间复杂度？
int[] fibonacci(int n) {
	long[] fibArray = new long[n + 1];
	fibArray[0] = 0;
	fibArray[1] = 1;
	for (int i = 2; i <= n ; i++) {
		fibArray[i] = fibArray[i - 1] + fibArray [i - 2];
	}
	return fibArray;
}

实例3

// 计算阶乘递归Factorial的时间复杂度？
long factorial(int N) {
	return N < 2 ? N : factorial(N-1)*N;
}

实例答案及分析：

1. 实例1使用了常数个额外空间，所以空间复杂度为 O(1)
2. 实例2动态开辟了N个空间，空间复杂度为 O(N)
3. 实例3递归调用了N次，开辟了N个栈帧，每个栈帧使用了常数个空间。空间复杂度为O(N）