时间复杂度与空间复杂度都是针对算法而言的，我们知道数据+算法=程序，那么一个程序在运行过程中，必然要占用计算机的内存资源，而计算结果也需要时间；
那么我们可以这样理解：
时间复杂度 = 程序运行的时间；
空间复杂度 = 程序占用的内存；
但是对于运行时占用的时间，根据运行环境的不同，其结果也是不同的，所以在数学上，使用一个公式来表示：大O符号表示法即 T(n) = O(f(n))
时间复杂度：
对于没有循环结构的普通算法：T(n) = O(1)
对于有循环结构的算法：T(n) = O(n)
for(i=1; i<=n; ++i){j = i;j++;}
对于有循环嵌套结构的算法：T(n) = O(n^2)
for(x=1; i<=n; x++){for(i=1; i<=n; i++){j = i;j++;}}
以此类推：T(n) = O(n^3)，T(n) = O(n^4) .......T(n) = O(n^n)
对于循环中有乘法的算法：T(n) = O(logn)
int i = 1;while(i<n){i = i * 2;}
组合一下：T(n) = O(nlogn)
for(m=1; m<n; m++){i = 1;while(i<n){i = i * 2;}}
其他以此类推；
空间复杂度：S(n) = O(f（n）)
空间复杂度主要针对的是变量：
int i = 1；S(n) = O(1)
int[] a = new int[n]；S(n) = O(n)
int[] a = new int[n][n]；S(n) = O(n^2)
其他以此类推；
