O()算法表示分析

               前阵子有同学跟我讨论，怎么这个问题用递归方法（O(n^2)）比非递归方法（O(n)解决时间还快？按照算法复杂度来看，前者比后者慢啊，这怎么解释？

               其实，算法复杂度O()的表示方法是参考很多因素的，不能因为一两个例子而决定。

               首先，一个算法的好坏，我们肯定不能做最好情况的打算，比如任何一种搜索算法，假如第一个元素就是我们要搜索的元素，那不管何种搜索算法，时间似乎都差不多快，没什么多大的比较意义。

               那么，算法的性能就当然用最坏情况来比较（也有平均情况下考虑的，但这个平均比较模糊）。例如，要搜索的元素，在数据库中压根就没有，这是最坏情况了吧。这时候，算法的性能就可能有点显露出来了，为什么说有点呢？因为就像前面一开始的例子，O(n^2)与O(n)的算法复杂度，在实际情况中并不完全是这样的。

               先来说说O()表示方法，O表示一个函数的上限，也就是假设n变得无穷大的时候，来考察算法的性能。相信高中的时候，大家都知道，函数的求导，也就是函数值y的增长率，是会随着x的值不断变化的。比如，y1=x^2，