【算法的时间复杂度和空间复杂度】时间复杂度和空间复杂度介绍以及常见的大小比较

在实际开发中，通常会选择以空间换时间。

1. 时间复杂度：是对一个算法运行时间长短的量度，用大O表示，记作T(n)=O(f(n))。
   常见的时间复杂度按照从低到高的顺序，包括O(1)、O(logn)、O(n)、O(nlogn)、O(n^2)

   • 由于受运行环境和输入规模的影响，代码的绝对执行时间是无法预估的。但我们却可以预估代码的基本操作执行次数。
   • 设T(n)为程序基本操作执行次数的函数（也可以认为是程序的相对执行时间函数），n为输入规模，以下场景为程序中最常见的4种执行方式：
     • 场景1: T(n)=3n, 执行次数是线性的。

       void eat1(int n){
                
                
       	for(int i=0; i<n; i++){
                
                
       		System.out.println("等待1分钟");
       		System.out.println("等待1分钟");
       		System.out.println("吃1cm面包");
       }}
       

     • 场景2: T(n)=5logn，执行次数是用对数计算的。

       void eat2(int n){