開始資料結構與演算法之前，需要了解下比較重要的兩個概念，即時間複雜度和空間複雜度。而這兩個指標也是評價乙個演算法設計的是否優良的標準。對設計的某個演算法進行評價的時候，需要首先評價該演算法的時間複雜度，而進行演算法比較的時候，是優先考慮時間複雜度。換句話說，在滿足相同時間複雜度的情況下，哪個演算法使用最小的空間複雜度，則哪個演算法好。
知道了評價演算法的指標，那麼就需要了解下，時間複雜度和空間複雜度到底是什麼，下面對其進行分別介紹。
時間複雜度，是某個演算法執行時間的描述函式，一般是指該演算法的執行時間收斂於某個值，一般是使用o來表示，比如某個演算法的時間複雜度是o(n2)，則說明該演算法的執行時間是收斂於n2，（n代表該演算法的輸入規模），下面舉例對其說明。
比如排序演算法，給定乙個輸入為n長度的陣列，需要將這個陣列的元素排好序。我們可以對該陣列進行遍歷一遍，將陣列下標在[0,n-1]上的最大值放到陣列的最後乙個位置，即下標為n-1位置處，將陣列下標在[0,n-2]位置上的最大值，放到下標為n-2位置處。
在這個演算法中，第一次遍歷n-1個元素，第二次遍歷n-2個元素，以此類推，一直到遍歷到1個元素，而每次遍歷的時候，要進行比較操作，比較操作是常數級別的操作，該操作花費的時間記為c。那麼進行這個排序演算法操作的所花費的時間是：(n-1)×c+(n-2)×c+……+c，等差數列求和，其必出現n2項，n項和常數項，假設該等差數列求和的結果為xc×n2+yc×n+zc（x，y，z，c都為常數），那麼該演算法的時間複雜度就是o(n2)，時間複雜度即不要低階項，同時忽略到高階項的係數。
空間複雜度是演算法的另乙個評價指標。空間複雜度是指，為了使得該演算法的正常執行而所需要的額外的空間大小，輸入的空間是不算的，也是用o來表示。
舉個例子說明一下。若給定乙個陣列，傳入該陣列左半部和右半部的陣列個數，將該陣列的右半部和左半部交換並返回。比如陣列[2,3,1,8,4,5]，左半部4個元素，即[2,3,1,8]，右半部2個元素，即[4,5]，要得到[4,5,2,3,1,8]的結果。
很容易想到的乙個演算法是，新建乙個陣列，長度大小與輸入陣列長度一致，將原陣列的右半部拷貝，再將原陣列的左半部拷貝，整體拷貝回原陣列。這裡這個演算法，為了完成相應的功能，引入了新的陣列，所以我們就說，該演算法的空間複雜度是o(n)。
以上就是時間複雜度和空間複雜度的概念，而判斷演算法的好壞是優先考慮時間複雜度的，比如演算法1的時間複雜度是o(n)，空間複雜度是o(n2)，而演算法2的時間複雜度是o(n2)，空間複雜度是o(1)，優先考慮時間複雜度，則演算法1優於演算法2，在時間複雜度相等的情況下，空間複雜度小的演算法更優。
演算法複雜度 時間複雜度和空間複雜度
1 時間複雜度 1 時間頻度 乙個演算法執行所耗費的時間，從理論上是不能算出來的，必須上機執行測試才能知道。但我們不可能也沒有必要對每個演算法都上機測試，只需知道哪個演算法花費的時間多，哪個演算法花費的時間少就可以了。並且乙個演算法花費的時間與演算法中語句的執行次數成正比例，哪個演算法中語句執行次數...
演算法複雜度 時間複雜度和空間複雜度
演算法複雜度 時間複雜度和空間複雜度 關鍵字 演算法複雜度 時間複雜度 空間複雜度 1 時間複雜度 1 時間頻度 乙個演算法執行所耗費的時間，從理論上是不能算出來的，必須上機執行測試才能知道。但我們不可能也沒有必要對每個演算法都上機測試，只需知道哪個演算法花費的時 間多，哪個演算法花費的時間少就可以...
演算法複雜度 時間複雜度和空間複雜度
演算法的時間複雜度是指執行演算法所需要的計算工作量。n稱為問題的規模，當n不斷變化時，時間頻度t n 也會不斷變化。但有時我們想知道它變化時呈現什麼規律。為此，我們引入時間複雜度概念。一般情況下，演算法中基本操作重複執行的次數是問題規模n的某個函式，用t n 表示，若有某個輔助函式f n 存在乙個正...