小白的我总是搞不清楚
因此做个整理（来源http://data.biancheng.net/view/2.html）
算法是解决某个问题的想法、思路；而程序是在心中有算法的前提下编写出来的可以运行的代码。
- 算法的运行时间。（称为“时间复杂度”）
- 运行算法所需的内存空间大小。（称为“空间复杂度”）
时间复杂度
由于是估算算法的时间复杂度，相比而言，循环结构对算法的执行时间影响更大。
所以，算法的时间复杂度，主要看算法中使用到的循环结构中代码循环的次数（称为“频度”）。次数越少，算法的时间复杂度越低。
a) ++x; s=0;
b) for (int i=1; i<=n; i++) { ++x; s+=x; }
c) for (int i=1; i<=n; i++) { for (int j=1; i<=n; j++) { ++x; s+=x; } }
上边这个例子中，a 代码的运行了 1 次，b 代码的运行了 n 次，c 代码运行了 n*n 次。
算法的时间复杂度的表示方式为：
这种表示方式称为大“O”记法。
对于上边的例子而言，a 的时间复杂度为O(1)，b 的时间复杂度为O(n)，c 的时间复杂度为为O(n2)。
如果a、b、c组成一段程序，那么算法的时间复杂度为O(n2+n+1)。但这么表示是不对的，还需要对n2+n+1进行简化。
简化的过程总结为3步：
- 去掉运行时间中的所有加法常数。（例如 n2+n+1，直接变为 n2+n）
- 只保留最高项。（n2+n 变成 n2）
- 如果最高项存在但是系数不是1，去掉系数。（n2 系数为 1）
所以，最终a、b和c合并而成的代码的时间复杂度为O(n2)。
几种常见的算法时间复杂度的比较（又小到大）：
O(1)常数阶 <
O(logn)对数阶 <
O(n)线性阶 <
O(n2)平方阶 <
O(n3)(立方阶) <
O(2n) (指数阶)
代码中的 i、j、m 所分配的空间都不随着处理数据量变化，因此它的空间复杂度 S(n) = O(1)。
int[] m = new int[n]
for(i=1; i<=n; ++i)
{
j = i;
j++;
}
这段代码中，第一行new了一个数组出来，这个数据占用的大小为n，这段代码的2-6行，虽然有循环，但没有再分配新的空间，因此，这段代码的空间复杂度主要看第一行即可，即 S(n) = O(n)
原文链接：https://blog.csdn.net/jsjwk/article/details/84315770
谷歌浏览器相比于其他的浏览器，运行速度要快。是因为它占用了更多的内存空间，以空间换取了时间。
算法中，例如判断某个年份是否为闰年时，如果想以时间换取空间，算法思路就是：当给定一个年份时，
如果想以空间换时间的话，判断闰年的思路就是：把所有的年份先判断出来，存储在数组中（年份和数组下标对应），
