致参赛选手：时间 / 空间复杂度小科普（轻松理解不踩坑～）
各位小伙伴：
相信大家都想在这次校赛中发挥出真实水平，而要让代码顺利跑过所有测试用例、避免不必要的 “超时”“超内存” 问题，搞懂「时间复杂度」和「空间复杂度」这两个小概念就很关键啦！不用觉得复杂，咱们用最通俗的话讲清楚，帮大家轻松避坑～
一、先搞懂：这俩 “复杂度” 到底是啥？
其实它们就是用来判断你的代码 “跑得多快”“占多少内存” 的核心指标，和题目给的输入数据规模（比如数组长度 n）直接相关：
-
时间复杂度：简单说就是代码 “要做多少遍操作”—— 输入数据越多，操作次数会不会暴增？
-
空间复杂度：就是代码 “要占多少内存”—— 输入数据变大时，会不会需要额外开很多存储空间？
这俩指标不是为了限制大家，而是帮大家提前预判代码能不能通过判题（毕竟判题机有 1 秒时间、256MB 内存的限制呀～）。
二、时间复杂度：别让代码 “跑太慢”
1. 通俗理解：不同复杂度，操作次数差太多！
假设题目输入的数组长度是 n（比如 n=10000），咱们用几个常见情况举例：
-
O (1)：不管 n 是 10 还是 10000，都只做 1 次操作（比如取数组第一个元素、两数相加），快到飞起；
-
O (n)：操作次数和 n 成正比（比如遍历数组 1 次），n=10000 就做 10000 次，完全没问题；
-
O (n log n)：操作次数是 n 乘以一个不大的数（比如快速排序、归并排序），n=100000 时大概 14 万次，依然很快；
-
O (n²)：操作次数是 n 的平方（比如双重循环遍历数组），n=100000 时要做 1 亿次 —— 这就麻烦啦！判题机 1 秒大概只能跑 1 亿～10 亿次基础操作，这种代码大概率会 “超时”。
2. 快速判断自己代码的复杂度：
看最内层的循环被执行多少次就行！比如：
-
单层循环（没有嵌套）→ O (n)；
-
双重循环（套了一层）→ O (n²)；
-
二分查找、快排这类算法→ O (log n) 或 O (n log n)。
三、空间复杂度：别让代码 “占太多内存”
1. 通俗理解：别随便开 “超大数组”
还是以 n 为输入规模：
-
O (1)：只开几个变量（比如 int a、b），和 n 没关系，内存占用超小；
-
O (n)：开一个长度为 n 的数组、哈希表（比如存所有输入元素），内存占用适中；
-
O (n²)：开一个 n×n 的二维数组（比如 n=10000 时，就是 10000×10000 的数组）—— 这时候内存会直接超上限（256MB 根本不够用），代码会被判 “超内存”。
2. 小提醒：
平时写代码时，能用地数组解决的，就别开二维数组；递归的时候也要注意深度，太深了也会占用过多内存哦～