算法分析之时间复杂度

前言：
算法（Algorithm）是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。也就是说，能够对一定规范的输入，在有限时间内获得所要求的输出。如果一个算法有缺陷，或不适合于某个问题，执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。

时间复杂度
时间复杂度是同一问题可用不同算法解决，而一个算法的质量优劣将影响到算法乃至程序的效率。算法分析的目的在于选择合适算法和改进算法。
计算机科学中，算法的时间复杂度是一个函数，它定性描述了该算法的运行时间。这是一个关于代表算法输入值的字符串的长度的函数。时间复杂度常用大O符号表述，不包括这个函数的低阶项和首项系数。
使用这种方式时，时间复杂度可被称为是渐近的，它考察当输入值大小趋近无穷时的情况。

算法在解决实际问题时，需要考虑数据的流向逻辑和数据的存储以及遍历，其中的数据存储对应于数据结构，数据的流向逻辑和遍历对应算法。我们不仅要考虑数据如何存，也要考虑如何以最快的方式取。

常用的数据结构有：数组/链表/队列/栈/散列/树/图；比如，数组的遍历就很快，直接通过下标即可定位，而链表则需要从头开始查找，逐个对比，其遍历的时间复杂度高于数组。但是，数组的空间利用率低于链表。

哈希表就是O(1)。因为哈希表是通过哈希函数来映射的，所以拿到一个关键字，用哈希函数转换一下，就可以直接从表中取出对应的值。和现存数据有多少毫无关系，故而每次执行该操作只需要恒定的时间。

然后是 nlog(n) 。前面那个n，代表执行了n次 的操作，log(n) 的算法复杂度，典型的比如二分查找。所以理解了log(n)，也就理解了nlog(n)。