理解算法中的时间复杂度，O(1)，O(n)，O(log2n)，O(n^2)

算法复杂度分为时间复杂度和空间复杂度，二者也是衡量代码的好坏两个重要指标：

• 时间复杂度：指执行算法所需要的计算工作量；
• 间复杂度：指执行这个算法所需要的内存空间。

算法的复杂性体现在运行该算法时的计算机所需资源的多少上，计算机资源最重要的是时间和空间（即寄存器）资源，因此复杂度分为时间和空间复杂度。

1. 概念理解

1.1 基本执行次数：T(n)

由于运行环境和输入规模的影响，代码的绝对执行时间是无法估计的，但我们可以估算出代码的基本执行次数。

一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数，用这个函数来表达相对时间，可以记作 T(n)。

1.2 时间复杂度：O(n)

因为执行规则具有不确定性（文章下面就列举4种可能）， 所以T(n) 不足以分析和比较一段代码的运行时间，就有了渐进时间复杂度（asymptotic time complexity）的概念，官方的定义如下：

若存在函数 f（n），使得当n趋近于无穷大时，T（n）/ f（n）的极限值为不等于零的常数，则称 f（n）是T（n）的同数量级函数。记作 T（n）= O（f（n））&