数据结构中关于复杂度的问题

1.对于如何衡量一个算法的好坏我们通常来看他的时间效率，空间效率。
（1）时间效率又被称为时间复杂度：
在计算机科学中，算法的时间复杂度是一个函数，它定量描述了该算法的运行时间。
算法中的基本操作的执行次数，叫做算法的时间复杂度。
（2）空间效率又被称为空间复杂度：
空间复杂度是对一个算法在运行过程中临时占用空间大小的量度。
空间复杂度算的是变量的个数。
2.为什么我们不用时间来衡量时间复杂度而是用算法中的基本操作的执行次数来衡量时间复杂度？
主要是因为一个算法执行所耗费的时间，理论上是不能算出来的，只有你把你的程序放在机器上运行起来，才能知道。但是如果每个程序都需要在机器上运行才能得出时间，就会变得很麻烦。所以才有了 一个算法所花时间与其中语句的执行次数成比例，就是算法中基本操作的执行次数。
3.时间复杂度的表示方法：
大O渐进表示法：大O符号是用于描述函数渐进行为的数学符号。
推导大O阶方法：
1.用常数1取代运行时间中的所有加法常数。
2.在修改后的运行此函数中，只保留最高阶项。
3.如果最高项存在且不是1，则去除与这个项目相乘的常数，得到的结果就是大O阶。
4.时间复杂度存在其他三种情况：
（1）最坏情况：任意输入规模的最大运行次数（上界）；
（2）平均情况：任意输入规模的期望次数
（3）最好情况：任意输入规模的最小运行次数（下界）；
在实际中一般情况关注的事算法的最坏运行情况，因为如果最坏情况下的复杂度都符合我们的要求，我们就可以保证所有的情况都不会有问题。
5.计算二分查找的时间复杂度

基本操作最好执行了一次，最坏执行了O（logN）次，时间复杂度为log（N）；
6.计算阶成递归的空间复杂度

递归调用了N次，开辟了N个栈帧，每个栈帧使用了常数个空间，空间复杂度为O（N);