时间复杂度和空间复杂度

先说结论：

常规的代码的算法时间复杂度是有规律的:看几重循环:

一重循环则为O(n)线性阶，

二重循环为O(n^2) K方阶; 

二分法则为O(logn)对数阶，二分例如快速幂、二分查找，

如果一个for循环套一个二分，那么时间复杂度则为O(nlogn)线性对数阶。

分类: 常见时间复杂度有(按增长率):1.常数阶O(1) 2.对数阶O(logn) 3.线性阶O(n) 4.线性对数阶O(nlog2n) 5.k方阶:O(n^k),一般控制k的大小,否则就和指数阶一样了,这是很可怕的 6.指数阶:O(2^n),一般不用,性能太差 

(1.) 常数阶O(1)

无论代码执行了多少行，只要是没有循环等复杂结构，那这个代码的时间复杂度就都是O(1)，如：

int i = 1;
int j = 2;
++i;
j++;
int m = i + j;

(2.) 线性阶O(n)

这个在最开始的示例中就讲解过了，for循环里面的代码会执行n遍，因此它消耗的时间是随着n的变化而变化的，因此这类代码都可以用O(n)来表示它的时间复杂度。 如：

for(i=1; i