数据结构---时间复杂度&空间复杂度

1.时间复杂度

衡量的是程序运行的快慢

通常使用 大O渐进表示法 来计算时间复杂度
示例：

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);

在 大O符号表示法 中，时间复杂度的公式是： T(n) = O( f(n) )，其中f(n) 表示每行代码执行次数之和。

推导大O阶方法：
1、用常数1取代运行时间中的所有加法常数。
2、在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，则去除与这个项目相乘的常数。得到的结果就是大O阶
故:
F(N) = N^2+2*N+10
使用大O的渐进表示法以后，Func1的时间复杂度为：
O(N^2)

越往下时间复杂度越高

2.空间复杂度

衡量的是程序占用内存/外存的大小

和时间复杂度类似，一个算法的空间复杂度，也常用大 O 渐进表示法。
注:
计算空间复杂度的时候

• 计算的是额外的空间
• 方法调用也是占用空间的
• 空间是可以重复利用的
  示例：

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;
            }
        }
    }

该方法使用了常数个额外空间，所以空间复杂度为 O(1）。