在做leetcode題目時，有時會遇到時間複雜度和空間複雜度的要求（比如下面這個說明的第四點），故進行了初步學習。
參考：首先要說的是，時間複雜度的計算並不是計算程式具體執行的時間，而是演算法執行語句的次數。
當我們面前有多個演算法時，我們可以通過計算時間複雜度，判斷出哪乙個演算法在具體執行時花費時間最多和最少。
常見的時間複雜度有：
常數階o(1),
對數階o(log2 n),
線性階o(n),
線性對數階o(n log2 n),
平方階o(n^2)，
立方階o(n^3)
k次方階o(n^k),
指數階o(2^n)。
隨著n的不斷增大，時間複雜度不斷增大，演算法花費時間越多。
計算方法（通常我們計算時間複雜度都是計算最壞情況）
①選取相對增長最高的項
②最高項係數是都化為1
③若是常數的話用o（1）表示
時間複雜度的計算：
（1）如果演算法的執行時間不隨著問題規模n的增加而增長，即使演算法中有上千條語句，其執行時間也不過是乙個較大的常數。此類演算法的時間複雜度是o(1)。
x =
1while x<10:
x +=
1
（2）當有若干個迴圈語句時，演算法的時間複雜度是由巢狀層數最多的迴圈語句中最內層語句的頻度f(n)決定的。
for i in
range(0
, n)
:for j in
range(0
, n)
:print
(j)
（3）迴圈不僅與n有關，還與執行迴圈所滿足的判斷條件有關。
i =
1while i
: i +=
1
空間複雜度是對乙個演算法在執行過程中臨時占用儲存空間大小的量度。
計算方法：
①忽略常數，用o(1)表示
②遞迴演算法的空間複雜度=遞迴深度n*每次遞迴所要的輔助空間
③對於單執行緒來說，遞迴有執行時堆疊，求的是遞迴最深的那一次壓棧所耗費的空間的個數，因為遞迴最深的那一次所耗費的空間足以容納它所有遞迴過程。
學習時間複雜度和空間複雜度
評判演算法的標準 時間複雜度 一般是最壞情況下的時間複雜度 根據數量級，描述時間複雜度，一般用 大 o 表示，記做 o f n n為資料的規模 常見數量級函式 當 n 增大時，數量級函式增長幅度排名 1.常數函式 n 100 1 次 sum 1 n n 2 1 次 print sum 1 次 上面的...
演算法複雜度 時間複雜度和空間複雜度
1 時間複雜度 1 時間頻度 乙個演算法執行所耗費的時間，從理論上是不能算出來的，必須上機執行測試才能知道。但我們不可能也沒有必要對每個演算法都上機測試，只需知道哪個演算法花費的時間多，哪個演算法花費的時間少就可以了。並且乙個演算法花費的時間與演算法中語句的執行次數成正比例，哪個演算法中語句執行次數...
演算法複雜度 時間複雜度和空間複雜度
演算法複雜度 時間複雜度和空間複雜度 關鍵字 演算法複雜度 時間複雜度 空間複雜度 1 時間複雜度 1 時間頻度 乙個演算法執行所耗費的時間，從理論上是不能算出來的，必須上機執行測試才能知道。但我們不可能也沒有必要對每個演算法都上機測試，只需知道哪個演算法花費的時 間多，哪個演算法花費的時間少就可以...