推导算法：大O推导法
1、用常数1取代运行时间中的所有加法常数
2、在修改后的运行次数函数中，只保留最高阶项
3、如果最高阶项存在且不是1，那么我们就去除于这个项相乘的常数。
时间复杂度
定义
在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，进而分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度，也就是算法的时间量度，记作：T(n}=0(f(n))。它表示随问题规模n的增大，算法执行时间的埔长率和 f(n)的埔长率相同，称作算法的渐近时间复杂度，简称为时间复杂度。其中f( n)是问题规横n的某个函数。
常数阶
void main()
{
func();
}
void func()
{
int i=0;//执行1次
i++;//执行1次
i++;//执行1次
i++;//执行1次
}
/*
共执行了4次，所以时间复杂度为O(4);根据大O推导法，略去常数，所以此函数的时间复杂度为O(1);
*/
//假如func变成如下结构
void func()
{
int i=0;//执行1次
i++;//执行1次
i++;//执行1次
i++;//执行1次
i++;//执行1次
i++;//执行1次
i++;//执行1次
i++;//执行1次
i++;//执行1次
i++;//执行1次
i++;//执行1次
i++;//执行1次
i++;//执行1次
}
/*
共执行了13次，时间复杂度为O(13);根据大O推导法，略去常数，所以此函数的时间复杂度仍然为O(1);
*/
线性阶
void main()
{
for(int i=0;i<n;i++)
{
func();
}
}
void func()//时间复杂度为O(1)的函数
{
printf("大O推导法");//执行1次
}
/*
在main中，func共被执行了n次，所以main的时间复杂度为O(n);
*/
//加入main函数被修改成如下
void main()
{
for(int i=0;i<n;i++)
{
func();
func();
}
}
/*
在main中，func共被执行了2n次，main的时间复杂度为O(2n);根据大O推导法，略去常数系数，所以main的时间复杂度仍为为O(n);
*/
对数阶
void main()
{
for(int i=1;i<n;i++)
{
func();
i=2i;
}
}
void func()//时间复杂度为O(1)的函数
{
printf("大O推导法");//执行1次
}
/*
在main中，
因为i每次被乘2，所以，执行的算法为 2的几次相乘 大于 n，即 2^x>n,--> x= log2n , 在推导对数时间复杂度时，一般都是以10作为对数的底数。 func共被执行了logn次，所以main的时间复杂度为O(logn);
*/
平方阶
void main()
{
for(int i=1;i<n;i++)
{
for(int j=1;j<n;j++)
{
func();
}
}
}
void func()//时间复杂度为O(1)的函数
{
printf("大O推导法");//执行1次
}
/*
在main中， func()共被执行了n^2,所以main的时间复杂度为O(n^2);
*/
//假如main被修改成 如下
void main()
{
for(int i=1;i<n;i++)
{
for(int j=i;j<n;j++)
{
func();
}
}
}
/*
那么， func() 执行的次数为 n+n-1+n-2+……--> n(n+1)/2 = n2/2 + n/2 根据大O推导方法，保留最高阶项，n2/2 ，然后去掉这个项相乘的常数，1/2， 所以main的时间复杂度为O(n2)
*/
小结
时间复杂度所耗费的时间是：
O(1) < O(logn) < O(n) < O(nlogn) < O(n2) < O(n3) <O(2n) < O(n!) <O(nn)
参考 https://www.cnblogs.com/fanchangfa/p/3868696.html
空间复杂度
定义
百度百科：空间复杂度(Space Complexity)是对一个算法在运行过程中临时占用存储空间大小的量度，记做S(n)=O(f(n))。比如直接插入排序的时间复杂度是O(n^2),空间复杂度是O(1) 。而一般的递归算法就要有O(n)的空间复杂度了，因为每次递归都要存储返回信息。一个算法的优劣主要从算法的执行时间和所需要占用的存储空间两个方面衡量。
算法类似于时间复杂度，只是计算的不是运行次数，而是在运行过程中临时变量被运用次数。