day4

今天学习了时间和空间复杂度
时间复杂度
时间复杂度描述了算法执行所需时间的增长率，通常以输入规模（n） 作为变量。它反映了随着输入规模增大，算法运行时间的变化情况。常见的时间复杂度包括：
常数时间复杂度 ( O(1) )：算法的运行时间不随输入规模的变化而变化。
对数时间复杂度 ( O(\log n) )：运行时间随着输入规模的增加而对数增长。
线性时间复杂度 ( O(n) )：运行时间与输入规模成正比。线性对数时间复杂度 ( O(n \log n) )：运行时间随着输入规模增加而呈现线性对数增长。
平方时间复杂度 ( O(n^2) )：运行时间与输入规模的平方成正比。
立方时间复杂度 ( O(n^3) )：运行时间与输入规模的立方成正比。
指数时间复杂度 ( O(2^n) )：运行时间随输入规模的增加呈指数增长。
空间复杂度
空间复杂度描述了算法执行时所需的内存空间的增长率，也以输入规模 (n) 作为变量。它反映了随着输入规模增大，算法所需空间的变化情况。常见的空间复杂度包括：
常数空间复杂度 ( O(1) )：算法所需的额外空间不随输入规模的变化而变化。
线性空间复杂度 ( O(n) )：算法所需的空间与输入规模成正比。
平方空间复杂度 ( O(n^2) )：算法所需的空间与输入规模的平方成正比。
对数空间复杂度 ( O(\log n) )：算法所需的空间随着输入规模的增加而对数增长。