时间复杂度，空间复杂度

1. 算法效率

算法效率分析分为两种：第一种是时间效率，第二种是空间效率。时间效率被称为时间复杂度，而空间效率被

称作空间复杂度。 时间复杂度主要衡量的是一个算法的运行速度，而空间复杂度主要衡量一个算法所需要的额

外空间，在计算机发展的早期，计算机的存储容量很小。所以对空间复杂度很是在乎。但是经过计算机行业的

迅速发展，计算机的存储容量已经达到了很高的程度。所以我们如今已经不需要再特别关注一个算法的空间复

杂度

2. 时间复杂度

2.1 时间复杂度的概念

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，它定量描述了该算法的运行时间。一个

算法执行所耗费的时间，从理论上说，是不能算出来的，只有你把你的程序放在机器上跑起来，才能知道。但

是我们需要每个算法都上机测试吗？是可以都上机测试，但是这很麻烦，所以才有了时间复杂度这个分析方

式。一个算法所花费的时间与其中语句的执行次数成正比例， 算法中的基本操作的执行次数，为算法的时间复

杂度。

计算func1()计算了多少次

void func1 ( int N ){

  int count = 0 ;

  for ( int i = 0 ; i < N ; i ++ ) {

      for ( int j = 0 ; j < N ; j ++ ) {

          count ++ ;

      }

  }

  for ( int k = 0 ; k < 2 * N ; k ++ ) {

      count ++ ;

  }

  int M = 10 ;

  while (( M -- ) > 0 ) {

      count ++ ;

{

System . out . println ( count );

}

 

Func1 执行的基本操作次数 ：

f(n) = n^2 + 2 * n +10

N = 10 F(N) = 130

N = 100 F(N) = 10210

N = 1000 F(N) = 1002010

     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 。

 

// 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 ;

    }

}

}

// 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

}

// 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 ;

}

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）