feat: 初始化项目，完成时间复杂度笔记

Author: 钟辉

demo/1.时间复杂度-demo.html

@@ -0,0 +1,65 @@
+<script>
+  /** 时间复杂度O(1) */
+  function fnO1() {
+    console.log("时间复杂度O(1)");
+
+    const a = 5;
+    const b = 10;
+    const sum = a + b;
+  }
+
+  /** 时间复杂度 O(logn)、 O(nlogn) */
+
+  function fnOlogn(n) {
+    console.log("时间复杂度O(logn)");
+
+    let count = 0;
+    let i = 1;
+    while (i < n) {
+      i = i * 2;
+      count++;
+    }
+
+    console.log("时间复杂度O(logn), 执行次数count: ", count);
+  }
+
+  function fnOnlogn(n) {
+    console.log("时间复杂度O(nlogn)");
+    let count = 0;
+    for (let j = 0; j < n; j++) {
+      let i = 1;
+      while (i < n) {
+        i = i * 2;
+        count++;
+      }
+    }
+    console.log("时间复杂度O(nlogn), 执行次数count: ", count);
+  }
+
+  /** 时间复杂度 fnO(m+n), 当可以确认n >= m的时候，时间复杂度可以修改为 O(n) */
+
+  function fnOmn1(m, n) {
+    let countM = 0;
+    let countN = 0;
+    for (let i = 0; i < m; i++) {
+      countM += 1;
+    }
+    for (let j = 0; j < n; j++) {
+      countN += 1;
+    }
+
+    console.log("时间复杂度O(m+n)，执行次数count: ", countM + countN);
+  }
+
+  /** 时间复杂度 fnO(m*n), 当可以确认n >= m的时候，时间复杂度可以修改为 O(n^2) */
+  function fnOmn2(m, n) {
+    let count = 0;
+    for (let i = 0; i < m; i++) {
+      for (let j = 0; j < n; j++) {
+        count += 1;
+      }
+    }
+
+    console.log("时间复杂度O(m*n)，执行次数count: ", count);
+  }
+</script>

概念/1.时间复杂度和空间复杂度.md

@@ -0,0 +1,41 @@
+### 一、时间复杂度
+
+> 时间复杂度: 表示**代码执行时间随数据规模增长的变化趋势**，并不是代表代码真正的执行时间。
+
+#### 时间复杂度分析
+
+##### 时间复杂度分析实用方式：
+
+1. 只关注循环执行次数最多的一段代码；
+2. 加法法则：总复杂度等于量级最大的那段代码的复杂度；
+3. 乘法法则：嵌套代码的复杂度等于嵌套内外代码复杂度的乘积；
+
+##### 时间复杂度实例分析：
+
+时间复杂度量级
+
+1. 常量阶 O(1);
+2. 对数阶 O(logn);
+3. 线性阶 O(n);
+4. 线性对数阶 O(nlogn);
+5. 平方阶 O(n^2)、 立方阶 O(n^3) ... k 次方阶 O(n^k);
+6. 指数阶 O(2^n);
+7. 阶乘阶 O(n!)
+
+##### 对应时间复杂度量级别分析
+
+1. O(1)
+
+要点：**一般情况下，只要算法中不存在循环语句、递归语句，即使有成千上万行的代码，其时间复杂度也是 Ο(1)**。
+
+2. O(logn)、O(nlogn)
+
+要点：常见时间复杂度为 O(nlogn)的算法：归并排序、快速排序。
+
+3. O(m + n)、O(m \* n)
+
+要点：这中情况的代码的复杂度由两个数据的规模来决定，如果可以确定 n >= m，那么时间复杂度就可以改为 O(n)、O(m^2)。
+
+#### 二、空间复杂度
+
+> 空间复杂度: 表示**算法的存储空间随数据规模增长的变化趋势**，并不是代表代码真正的存储空间小号。