算法二：算法中的时间复杂度

1:到底什么是Big O  ，这里是指算法执行的上界，

我们知道归并排序的算法时间发咋都是O(nlogn)的，但是我们可以找到一个常数，使得n logn * a  <b* n ^2 的所以我们也可以说 算法复杂度是 O(n ^ 2)

但是业界我们通常使用O表示算法执行的最低的上界，所以我们说 归并排序 是n logn 的

当数据规模不断增大时，则常量的影响时间复杂度越来越小，各种算法的时间复杂度差距也就越来越明显 ，我们研究算法就是为了解决当数据量大时的问题，减少时间复杂度

所有高级的数据排序算法，在数据规模小到一定程度时，都可以用插入排序

 

当有多个算法时，且算法数据的规模一样时，对应的时间复杂度就是

但是多个算法的时间规模不一样时，是不能省略的

例题1：

我们应该知道 算法的复杂度在有些情况下是用例相关的

插入排序算法O(n^2) ,最差是O(n^2),最好的情况下O(n)，平均O(n^2)

快速排序O(nlogn),最差情况O（n ^2),最好的情况下O(nlogn),平均O(nlogn)