學習資料結構的基礎之一就是了解時間複雜度與空間複雜度
很多人對它的字面意義非常陌生，通常在計算機中可以簡單的認為它們就是計算次數和占用空間大小
如果乙個演算法的執行次數是 t(n)，那麼只保留最高次項，同時忽略最高項的係數後得到函式 f(n)，此時演算法的時間複雜度就是 o(f(n))
void afunc(int n)
}}
所以，執行次數 t(n) = n + (n - 1) + (n - 2)……+ 1 = n(n + 1) / 2 = n^2 / 2 + n / 2。
此時時間複雜度為 o(n^2)。
演算法的時間複雜度通常有 o(1)（常量階）、o(n½) 、 o(n)（線性階）、 o(logn)（對數階）、 o(nlogn)、 o(n^2)（平方階）、 o(n^3)、 o(2^n)（指數階）、o(n!)等形式。
當n大於一定的值後，各種不同的數量級對應的值存在著如下關係：
o(logn)2)3) 通常除非特別指定，我們提到的執行時間都是最壞情況的執行時間。
演算法的時間複雜度和空間複雜度是可以相互轉化的。
谷歌瀏覽器相比於其他的瀏覽器，執行速度要快。是因為它占用了更多的記憶體空間，以空間換取了時間。
演算法中，例如判斷某個年份是否為閏年時，如果想以時間換取空間，演算法思路就是：當給定乙個年份時，判斷該年份是否能被4或者400整除，如果可以，就是閏年。
如果想以空間換時間的話，判斷閏年的思路就是：把所有的年份先判斷出來，儲存在陣列中（年份和陣列下標對應），如果是閏年，陣列值是1，否則是0；當需要判斷某年是否為閏年時，直接看對應的陣列值是1還是0，不用計算就可以馬上知道。
對於乙個演算法，其 時間複雜度和空間複雜度往往是相互影響的。當追求乙個較好的時間複雜度時，可能會使空間複雜度的效能變差，即可能導致占用較多的儲存空間；反之，當追求乙個較好的空間複雜度時，可能會使時間複雜度的效能變差，即可能導致占用較長的執行時間。另外，演算法的所有效能之間都存在著或多或少的相互影響。因此，當設計乙個演算法(特別是大型演算法)時，要綜合考慮演算法的各項效能，演算法的使用頻率，演算法處理的資料量的大小，演算法描述語言的特性，演算法執行的機器系統環境等各方面因素，才能夠設計出比較好的演算法。
演算法的時間複雜度和空間複雜度合稱為演算法的複雜度。
時間複雜度與空間複雜度
空間複雜度 space complexity 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，記做s n o f n 比如直接 插入排序 的時間複雜度 是o n 2 空間複雜度是o 1 而一般的 遞迴演算法就要有o n 的空間複雜度了，因為每次遞迴都要儲存返回資訊。乙個演算法的優劣主要從演算法...
時間複雜度與空間複雜度
本文是對時間複雜度以及空間複雜度的乙個理解 時間複雜度 由於環境的不同，同樣的 執行所需要的時間是不同的，所以是不能拿來比較的 而函式中執行的次數確實一樣的 所以時間複雜度就是 程式每個迴圈中的語句總共會執行的次數 時間複雜度的表示方法 大o漸進表示法 o f n 這裡的f n 是什麼呢？void ...
時間複雜度與空間複雜度
本文部分取自搜狗百科 在求演算法效率時，通常有事前分析和事後分析兩種方法，事後分析因為必須實際檢驗過後才能得出答案，且可能由於硬體方面等外部原因影響結果而不被推廣，事前分析的主要就是在考量乙個演算法的基本執行次數，這就是時間複雜度。時間複雜度 一般情況下，演算法中基本操作重複執行的次數是問題規模n的...