超详细讲解算法时间复杂度和空间复杂度

算法效率

算法是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。也就是说，能够对一定规范的输入，在有限时间内获得所要求的输出。
那么如何衡量一个算法的好坏呢？
比如下方的斐波那契数列代码：

long long Fib(int N) {
   
 if(N < 3)
 return 1;
 return Fib(N-1) + Fib(N-2);
}

斐波那契数列的递归实现方式非常简洁，但这种简洁一定好吗？肯定不是，斐波那契数列的递归实现方式显然不满足他的时间复杂度。

算法在编写成可执行程序后，运行时需要耗费时间资源和空间(内存)资源 。因此衡量一个算法的好坏，一般是从时间和空间两个维度来衡量的，即时间复杂度和空间复杂度。
时间复杂度主要衡量一个算法的运行快慢，而空间复杂度主要衡量一个算法运行所需要的额外空间。
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。
复杂度在日后的工作面试笔试中都会被重视。

因此，我们有理由也有必要要将复杂度学好。

时间复杂度

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。
即：找到某条基本语句与问题规模N之间的数学表达式，就是算出了该算法的时间复杂度。
对于下面的例子：它的时间复杂度是多少？

// 请计算一下Func1中++count语句总共执行了多少次？
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 <