算法时间复杂度和空间复杂度的计算

算法，即解决问题的方法。同一个问题，使用不同的算法，虽然得到的结果相同，但是耗费的时间和资源是不同的。

时间复杂度的计算

计算一个算法的时间复杂度，不可能把所有的算法都编写出实际的程序出来让计算机跑，这样会做很多无用功，效率太低。实际采用的方法是估算算法的时间复杂度。

在学习C语言的时候讲过，程序由三种结构构成：顺序结构、分支结构和循环结构。顺序结构和分支结构中的每段代码只运行一次；循环结构中的代码的运行时间要看循环的次数。

由于是估算算法的时间复杂度，相比而言，循环结构对算法的执行时间影响更大。所以，算法的时间复杂度，主要看算法中使用到的循环结构中代码循环的次数（称为“频度”）。次数越少，算法的时间复杂度越低。

例如：

a) ++x; s=0;
b) for (int i=1; i<=n; i++) { ++x; s+=x; }
c) for (int i=1; i<=n; i++) { for (int j=1; i<=n; j++) { ++x; s+=x; } }

上边这个例子中，a 代码的运行了 1 次，b 代码的运行了 n 次，c 代码运行了 n*n 次。
时间复杂度的表示
算法的时间复杂度的表示方式为：

O(频度)

这种表示方式称为大“O”记法。
注意，是大写的字母O，不是数字0。
对于上边的例子而言，a 的时间复杂度为O(1)，b 的时间复杂度为O(n)，c 的时间复杂度为为O(n²)。

如果a、b、c组成一段程序，那么算法的时间复杂度为O(n²+n+1)。但这么表示是不对的，还需要对n²+n+1进行简化。

简化的过程总结为3步：
去掉运行时间中的所有加法常数。（例如 n²+n+1，直接变为 n²+n）
只保留最高项。（n²+n 变成 n²）
如果最高项存在但是系数不是1，去掉系数。（n² 系数为 1）

所以，最终a、b和c合并而成的代码的时间复杂度为O(n²)。
常用的时间复杂度的排序

列举了几种常见的算法时间复杂度的比较（又小到大）：
O(1)常数阶 < O(logn)对数阶 < O(n)线性阶 < O(n²)平方阶 <
O(n³)(立方阶) < O(2^n) (指数阶)

拿时间换空间，用空间换时间

算法的时间复杂度和空间复杂度是可以相互转化的。

谷歌浏览器相比于其他的浏览器，运行速度要快。是因为它占用了更多的内存空间，以空间换取了时间。

算法中，例如判断某个年份是否为闰年时，如果想以时间换取空间，算法思路就是：当给定一个年份时，判断该年份是否能被4或者400整除，如果可以，就是闰年。

如果想以空间换时间的话，判断闰年的思路就是：把所有的年份先判断出来，存储在数组中（年份和数组下标对应），如果是闰年，数组值是1，否则是0；当需要判断某年是否为闰年时，直接看对应的数组值是1还是0，不用计算就可以马上知道。