1 算法时间复杂度概念
时间复杂度表示了算法的执行时间与数据规模之间的增长关系。
一般情况下在代码中的表现是循环语句或调用次数上，比如：for循环、while循环或递归调用等。
2 时间复杂度表现形式
按照执行优劣依次如下（约靠后越复杂度越高）：
- 常数：O(1)
- 对数：O(log n)
- 线性：O(n)
- 线性对数：O(n * log n)
- 平方：O(n²)
- 立方：O(n³)
- k次方：O(n^k)
- 指数：O(2^n)
- 阶乘：O(n !)
常见的有：O(1)、O(n)、O(n^2)、O(logn)
3 算法的空间复杂度
表示算法占用的额外存储空间与数据规模之间的增长关系。
常见的空间复杂度：O(1)、O(n)、O(n^2)
4 简单理解
时间复杂度一般表现在一段代码执行所消耗的时间上，对于绝大多数应用来讲，更看重执行时间和效率上。比如将O(n^k)优化成O(log n)后，由原来的2秒到不足1秒执行完毕。具体表现在计算机CPU上。
空间复杂度具体表现在计算机内存上。
空间复杂度相对于时间复杂度来讲，关注度没那么高。
