《数据结构与算法》时间复杂度和空间复杂度

时间复杂度可以称之为一个函数，即数学里面带有未知数的函数表达式，它是衡量一个算法执行速度的快慢。用O()表示，括号里面的即为频度，就是执行算法的次数，它与算法的执行时间成正比，简称为大O阶。

计算大O阶的方法可以大概总结为三类：

第一，用常数1代替所有的加法常数。比如一个算法本来的次数是10，9+5等等，统一写为O(1）。

第二，在算得最后的答案只保留最高阶。比如本来为2N^2+N^2+10，后来结果写为O(N^2)，常数也直接省略不写，因为是成比例的，可以去掉。

第三，如果最高阶存在且不是1，则去除这个项目相乘的常数，即系数。

当然，O(1)并不是说此算法只执行了一次，是指常数次。不是所有的时间复杂度都是看代码写出来的，有些还要看它的运行过程。像二分法，它的时间复杂度就是O(log2^N)，这为对数阶，这个答案光看代码是看不出来的，要把它的运行过程写出来，在进行观察。斐波那契递归数列的时间复杂度计算方法也是如此，即为O(N^2)。当计算字符串的时间复杂度时，由于输入不同，时间复杂度不同。并且，字符串的时间复杂度分为三种情况：最好(第一个首字母，这样第一次就能找到)情况，执行1次。平均(除开第一和最后一个)情况，执行N/2次(可以理解为最好和最坏的平均值)。以及最坏(最后一个字母)情况，执行N次。所以通常都是拿最坏情况代替最终时间复杂度，即为O(N)。

空间复杂度就是为了计算变量的个数，它也用O()表示。我们平常对时间复杂度需掌握甚多，但对空间复杂度则需了解即可。它的大O()阶计算方法与时间复杂度类似，斐波那契递归数列的空间复杂度为O(N）。空间可以重复利用，不累计，但是时间不可重复使用，要进行累计。