时间复杂度

T(n) = O(f(n))
T(n) 标识代码执行时间；
n 表示数据规模的大小；
f(n) 表示每行代码执行的次数总和；
O 表示代码的执行时间T(n)与f(n)表达式成正比。
大O主要表示代码执行时间随数据规模增长的变化趋势。

时间复杂度的分析Tips

• 只关注循环执行次数最多的一段代码
• 加法规则：总复杂度等于量级最大的那段代码的复杂度
• 乘法规则：嵌套代码的复杂度等于前套内外代码复杂度的乘积

几种常见的时间复杂度量级（按数量级递增）

• 常量阶 O(1)
• 对数阶 O(logn)
• 线性阶 O(n)
• 线性对数阶 O(nlogn)
• 平方阶 O(n²) 、立方阶O(n³) 、k次方阶O(n^k)
• 指数阶 O(2ⁿ)
• 阶乘阶 O(n!)

空间复杂度

空间复杂度全称就是渐进空间复杂度（asymptotic space complexity），表示算法的存储空间与数据规模之间的增长关系。