这是任何AI工程师必须深入理解的概念，对于每一个设计出来的算法都需要从两个方面来分析算法复杂度：时间复杂度和空间复杂度。时间复杂度是说算法运行时间，空间复杂度是占据的存储空间。一般我们使用 o notation来表示，比如O(N)，O(N^2)。

简单复杂度

        我们看上面代码，它的时间复杂度是有一个0到N的循环，有N*1的操作=O(N)。下面的例子有N/2*1个操作，所以时间复杂度为1/2*O(N)=O(N)。总体来讲时间复杂度是O(N)。

        空间复杂度需要看代码用到了多少的内存空间，上面的代码中唯一用到的是a，b，赋值int类型内存空间。可以理解为2个单位的内存空 间，这种复杂度我们称为O(1)，我们称为constant space complexity。是一个常数复杂度，不依赖N赋值变化。N是100还是10，我们都需要两个单位内存空间。

        我们继续看上面代码，这个有两个for循环，首先时间复杂度上，我们分析总共需要多少操作：

        空间复杂度上面和前面类似，我们这个代码只用到了a，i，j的变量部分，三个单位的内存单元，而且与N无关，所以其空间复杂度也是O(1)。

        这段代码，当i=20时候，总共操作为2*6个，也是2 * log (N) = 2 * O (log N) = O(log N)。所以时间复杂度是O(log N)。空间复杂度是O(1)，同理下面的时间复杂度是O(n*log n)

        我们经常说算法X效率高于Y的时候，一般是说时间复杂度，时间复杂度大小比较：

        但是实际效率上，效率是不一定的，因为复杂度概念是理想情况下，假设N足够大的时候，一般可以保证复杂度和实际效率的关系。