概述

文章讲述了作者在学习和理解算法的时间复杂度与空间复杂度的过程。作者通过回答学妹的问题，意识到自己对于复杂度的概念理解模糊，因此查阅资料进行复习总结。

时间复杂度

时间复杂度是衡量算法执行时间增长趋势的一种标准，常用大O表示法表示。文章通过一个具体代码例子介绍了如何推导时间复杂度。时间复杂度的常用类别包括：

• O(1) - 常数阶：无循环递归，执行次数固定。
• O(n) - 线性阶：一层循环，执行次数随n变化。
• O(n²) - 平方阶：双层循环，执行次数为n的平方。
• O(logN) - 对数阶：循环条件是乘法或除法的累积结果。
• O(nlogN) - 线性对数阶：线性与对数阶的结合。

时间复杂度的计算规则包括忽略常数、系数与低次项。

空间复杂度

空间复杂度衡量算法的存储空间增长趋势。常见空间复杂度有O(1)、O(n)、O(n²)，主要依据算法中临时变量的数量和是否随输入数据的大小线性增长来判断。

总结

通过重新梳理，作者对时间复杂度和空间复杂度有了更深的理解，能够在编写代码时预估算法的效率。

参考资料

1. 百度百科：对数公式
2. 如何理解时间复杂度和空间复杂度：https://www.cnblogs.com/magicg/p/15178750.html
3. C#算法的时间复杂度和空间复杂度：https://blog.csdn.net/q_17600689511/article/details/100189543
4. c#算法时间复杂度 面试必看：https://blog.csdn.net/weixin_44370124/article/details/119321322

想要了解更多内容？

查看原文：那些年忽略的知识：时间复杂度和空间复杂度详解

文章来源：

熊泽有话说

扫码关注公众号

应对 DevOps 中的技术债务：创新与稳定性的微妙平衡

了解更多