时间复杂度和空间复杂度的理解

时间复杂度

时间复杂度指的是算法语句的执行次数，并不是运行时间。一个算法语句的执行次数最终都是可以通过函数f(n)来表示的

eg：

这里的x++就是算法语句，其f(n)=10-x

f(n)=n*n

i++即算法语句，被执行次数为f(n)=n-i

但f(n)并不是时间复杂度，它还需要进行下转换

1.选取相对增长最高的项 
2.最高项系数是都化为1 
3.若是常数的话用O（1）表示 
如f（n）=2*n^3+2n+100则O（n）=n^3。

根据以上3个规则，前面三个例子的时间复杂度分别为

空间复杂度

空间复杂度就是一个算法在运行过程中临时占用的存储空间大小，换句话说就是被创建次数最多的变量，它被创建了多少次，那么这个算法的空间复杂度就是多少

eg：

前者空间复杂度就是O(n)，而后者空间复杂度就是O(1)常数阶。很好理解，前者每循环一次都会重新创建一个temp对象，而后者只在循环外面创建了一个temp对象，每次循环只是给他不同的引用而已。所以有个规律，如果算法语句中就有创建对象，那么这个算法的时间复杂度和空间复杂度一般一致，很好理解，算法语句被执行了多少次就创建了多少对象。

很多简单点的算法空间复杂度都是O(1),而且很多时候空间复杂度是不那么重要的，它远没有时间复杂度重要，很多时候会牺牲空间来迁就时间。

以下的这篇博客非常详尽的解释了时间和空间复杂度

https://blog.csdn.net/zolalad/article/details/11848739