时间复杂度和空间复杂度概念及两数之和

复杂度：是一个模糊的概念，算法中复杂度使用大写O表示，O代表算法量级概念。在一道算法题中，可以从时间复杂度（执行用时）和空间复杂度（内存消耗）两个维度来考量这道算法题。

时间复杂度： 意味着耗时多少（执行用时）， 用O表示。
例如：O(n^2)指，n代表数组长度，执行时间是n^2，如果n为100，执行时间是100^2。通常情况下，说复杂度的时候不会考虑n前后的常量。注意： 对象查询的时间复杂度是O(1)，不占用时间复杂度的

空间复杂度： 指运行算法时，需要多少额外的空间，（即内存消耗）。
普通数字的空间复杂度，例如i，k，是占用指定的内存空间，100和10000的空间复杂度是一样的，不会随数字的变化而改变。而数组的空间复杂度，是随数组内容增加而增加的。例如：普通数字的空间复杂度是O(1),O(1)是非常牛逼的；循环存储指定对象属性的空间复杂度是O(n)，n代表数组长度。

LeetCode算法第一题：两数之和
方法一：时间复杂度O(n^2) 空间复杂度O(1)

var twoSum = function(nums, target) {
        for (let i = 0; i < nums.length; i++) {
          for (let k = 0; k < nums.length; k++) {
            if (nums[i] + nums[k] == target && i !== k) {
              return [i,k];
            }
          }
        }
};

方法二：时间复杂度On 空间复杂度O(n)

/*
    数组的长度是n
    对象查询的时间复杂度是O(1)，不占用时间复杂度的
*/
var twoSum = function(nums, target) {
    let obj = {}
    for(let i = 0;i<nums.length;i++){
      let num = nums[i]
       let n =  target - num
       if(n in obj){
           return [obj[n],i]
       }else {
           obj[num] = i
       }
    }
};