一、复杂度分析

1.所有代码的执行时间 T(n) 与每行代码的执行次数 n成正比

例一、

例二、

第一个例子中的T(n) = O(2n+2)，第二个例子中的 T(n) = O(2n^2 +2n+3)。这就是大 O 时间复杂度表示法，数量很大时，只记录影响最大的量级，即T(n) = O(n)； T(n) = O(n^2 )

2.总的时间复杂度就等于量级最大的那段代码的时间复杂度

一长段代码中有一段为n，一段为n^2，则总体为n^2

3.嵌套循环则时间复杂度为T1(n) * T2(n)

4.常见的复杂度并不多，从低阶到高阶有：O(1)、O(logn)、O(n)、O(nlogn)、O(n^2)

5.最好情况时间复杂度、最坏情况时间复杂度、平均情况时间复杂度、均摊时间复杂度:例如查找算法，可能在第一个位置就找到，也可能找遍了还是找不到，还会受到概率影响。

只有同一块代码在不同的情况下，时间复杂度有量级的差距，我们才会使用这三种复杂度表示法来区分