什么是时间复杂度和空间复杂度？

好的算法应该具备时效高和存储低的特点。

「时效」是指时间效率，也就是算法的执行时间，对于同一个问题的多种不同解决算法，执行时间越短的算法效率越高，越长的效率越低；

「存储」是指算法在执行的时候需要的存储空间，主要是指算法程序运行的时候所占用的内存空间。

时间复杂度

我们的科学家前辈们发现当我们试图去用执行时间作为独立于具体程序或计算机的度量指标去描述一个算法的时候，确定这个算法所需要的步骤数目非常重要。如果我们把算法程序中的每一步看作是一个基本的计量单位，那么一个算法的执行时间就可以看作是解决一个问题所需要的总步骤数。但是由于算法的执行过程又各不相同，所以这个每一步，即这个基本的计量单位怎么去选择又是一个令人头秃的问题。

大 O 表示法

「数量级」函数用来描述当规模 n 增加时，T(n) 函数中增长最快的部分，这个数量级函数我们一般用「大 O」表示，记做 O(f(n))。它提供了计算过程中实际步数的近似值，函数 f(n) 是原始函数 T(n) 中主导部分的简化表示。

在

在我们之后的算法学习过程中，会遇到各种各样的数量级函数，下面我给大家列举几种常见的数量级函数：

f(n)	阶	函数名
$1$	$O(1)$	常数函数
$2n+1$	$O(n)$	线性函数
$2n^2+2n+2$	$O(n^2)$	二次函数
$2log2n+2$	$O(logn)$	对数函数
$2nlog2n+2n+2$	$O(nlogn)$	$nlogn$ 函数
$2n^3+2n+2$	$O(n^3)$	三次函数
$2^n$	$O(2^n)$	指数函数