虚拟专用网算法的空间复杂度（Space Complexity）S（n）定义为该算法所耗费的存储空间，它也是问题规模 n 的函数。空间复杂度（Space Complexity）是对一个算法在运行过程中临时占用存储空间大小的量度。算法需要占用的临时工作单元数与解决问题的规模 n 有关，它随着 n 的增大而增大，当 n 较大时，将占用较多的存储单元，更多相关知识：http://www.yanhuangzixun.com/。

       虚拟专用网算法的空间复杂度为一个常量，即不随被处理数据量 n 的大小而改变时，可表示为 O(1)；当一个算法的空间复杂度与以 2 为底的 n 的对数成正比时，可表示为 O（lbn）；当一个算法的空间复杂度与 n 成线性比例关系时，可表示为 O（n）。若形参为数组，则只需要为它分配一个存储由实参传送来的一个地址指针的空间，即一个机器字长空间；若形参为引用方式，则也只需要为其分配存储一个地址的空间，用它来存储对应实参变量的地址，以便由系统自动引用实参变量，如果开展虚拟专用网业务，需要办理虚拟专用网许可证。

       虚拟专用网算法优化问题，就是根据某个成本函数，从问题的各种可行解中找到最好的。

       虚拟专用网算法组合优化问题：组合优化（Combinatorial Optimization）问题的目标是从组合问题的可行解集中求出最优解，通常可描述为：令 Ω＝{s1，s2，…，sn}为所有状态构成的解空间，C(si)为状态 si对应的目标函数值，要求寻找最优解 s*，使得对于所有的 si∈ Ω，有 C（s*）＝min C(si)。组合优化往往涉及排序、分类、筛选等问题，它是运筹学的一个重要分支。典型的组合优化问题有旅行商问题（Traveling Salesman Problem，TSP）、加工调度问题（Scheduling Problem，如 Flow-Shop，Job-Shop）、0-1 背包问题（Knapsack Problem）、装箱问题（Bin Packing Problem）、图着色问题（Graph Coloring Problem）、聚类问题（Clustering Problem）等。这些问题描述非常简单，并且有很强的工程代表性，但最优化求解很困难，其主要原因是求解这些问题的算法需要极长的运行时间与极大的存储空间，以致于根本不可能在现有计算机上实现，即所谓的「组合爆炸」。

       虚拟专用网算法约束优化问题：约束优化问题是在自变量满足约束条件的情况下目标函数最小化的问题，其中约束条件既可以是等式约束也可以是不等式约束。约束优化问题的具体形式是：假设 x 是解向量，g（x）是不等式约束，h（x）是等式约束，同时 min f （x）满足约束条件 g（x）<=0&&h（x）＝0；然后我们定义 F 为可行域，U 为非可行域，S 为搜索空间，则存在 F⊆S。一般来说，S 搜索空间包含两个非连同子集，可行域 F 和非可行域 U。如果不等式 g（x）满足条件 g（x）=0，则这个约束条件称为点 x 的积极约束。任意一个等式约束条件都是可行域内所有点的积极约束。